科技 类型
可以朗读 语音朗读
201千字 字数
2020-05-01 发行日期
展开全部

主编推荐语

通过阅读本书，你能够应用机器学习方法，并能充分利用MATLAB的功能解决实际问题。

内容简介

MATLAB为机器学习领域提供了必要的工具，用户可以借助MATLAB环境提供的强大交互式图形界面，非常轻松地解决机器学习问题。本书在介绍每个主题前，会简要概述其理论基础，然后辅以实际案例进行阐释。

本书前3章主要介绍MATLAB机器学习的基础知识、使用MATLAB导入数据和组织数据的方法以及从数据到知识发掘的方法，中间3章主要介绍回归分析、分类分析以及无监督学习，最后3章介绍人工神经网络、降维变换的方法以及机器学习实战的相关知识。

本书可供数据分析员、数据科学家以及任何希望学习机器学习算法以及构建数据处理、预测应用的读者阅读。

目录

  • 版权信息
  • 版权声明
  • 内容提要
  • 作者简介
  • 技术审稿人简介
  • 前言
  • 资源与支持
  • 第1章 MATLAB机器学习初体验
  • 1.1 机器学习基础
  • 1.2 机器学习算法的分类
  • 1.2.1 监督学习
  • 1.2.2 非监督学习
  • 1.2.3 强化学习
  • 1.3 选择正确的算法
  • 1.4 构建机器学习模型的流程
  • 1.5 MATLAB中的机器学习支持简介
  • 1.5.1 操作系统、硬件平台要求
  • 1.5.2 MATLAB安装要求
  • 1.6 统计机器学习工具箱
  • 1.6.1 数据类型
  • 1.6.2 统计机器学习工具箱功能简介
  • 1.7 神经网络工具箱
  • 1.8 MATLAB中的统计学和线性代数
  • 1.9 总结
  • 第2章 使用MATLAB导入数据和组织数据
  • 2.1 熟悉MATLAB桌面
  • 2.2 将数据导入MATLAB
  • 2.2.1 导入向导
  • 2.2.2 通过程序语句导入数据
  • 2.3 从MATLAB导出数据
  • 2.4 处理媒体文件
  • 2.4.1 处理图像数据
  • 2.4.2 音频的导入/导出
  • 2.5 数据组织
  • 2.5.1 元胞数组
  • 2.5.2 结构体数组
  • 2.5.3 table类型
  • 2.5.4 分类数组
  • 2.6 总结
  • 第3章 从数据到知识挖掘
  • 3.1 区分变量类别
  • 3.1.1 定量变量
  • 3.1.2 定性变量
  • 3.2 数据准备
  • 3.2.1 初步查看数据
  • 3.2.2 找到缺失值
  • 3.2.3 改变数据类型
  • 3.2.4 替换缺失值
  • 3.2.5 移除缺失值
  • 3.2.6 为表格排序
  • 3.2.7 找到数据中的异常值
  • 3.2.8 将多个数据源合并成一个数据源
  • 3.3 探索性统计指标——数值测量
  • 3.3.1 位置测量
  • 3.3.2 分散度的测量
  • 3.3.3 分布形状的测量
  • 3.4 探索性可视化
  • 3.4.1 图形数据统计分析对话框
  • 3.4.2 柱状图
  • 3.4.3 箱形图
  • 3.4.4 散点图
  • 3.5 总结
  • 第4章 找到变量之间的关系——回归方法
  • 4.1 寻找线性关系
  • 4.1.1 最小二乘回归
  • 4.1.2 基本拟合接口
  • 4.2 如何创建一个线性回归模型
  • 4.2.1 通过稳健回归消除异常值的影响
  • 4.2.2 多元线性回归
  • 4.3 多项式回归
  • 4.4 回归学习器App
  • 4.5 总结
  • 第5章 模式识别之分类算法
  • 5.1 决策树分类
  • 5.2 概率分类模型——朴素贝叶斯分类
  • 5.2.1 概率论基础
  • 5.2.2 使用朴素贝叶斯进行分类
  • 5.2.3 MATLAB中的贝叶斯方法
  • 5.3 判别分析分类
  • 5.4 k邻近算法
  • 5.5 MATLAB分类学习器App
  • 5.6 总结
  • 第6章 无监督学习
  • 6.1 聚类分析简介
  • 6.1.1 相似度与离散度指标
  • 6.1.2 聚类方法类型简介
  • 6.2 层次聚类算法
  • 6.2.1 层次聚类中的相似度指标
  • 6.2.2 定义层次聚类中的簇
  • 6.2.3 如何理解层次聚类图
  • 6.2.4 验证聚类结果
  • 6.3 k均值聚类——基于均值聚类
  • 6.3.1 k均值算法
  • 6.3.2 函数kmeans()
  • 6.3.3 silhouette图——可视化聚类结果
  • 6.4 k中心点聚类——基于样本中心聚类
  • 6.4.1 什么是中心点
  • 6.4.2 函数kmedoids()
  • 6.4.3 评估聚类结果
  • 6.5 高斯混合模型聚类
  • 6.5.1 高斯分布
  • 6.5.2 MATLAB中的GMM支持
  • 6.5.3 使用后验概率分布进行聚类
  • 6.6 总结
  • 第7章 人工神经网络——模拟人脑的思考方式
  • 7.1 神经网络简介
  • 7.2 神经网络基础构成
  • 7.2.1 隐藏层数量
  • 7.2.2 每层的节点数量
  • 7.2.3 神经网络训练方法
  • 7.3 神经网络工具箱
  • 7.4 工具箱的用户界面
  • 7.5 使用神经网络进行数据拟合
  • 7.5.1 如何使用拟合App（nftool）
  • 7.5.2 脚本分析
  • 7.6 总结
  • 第8章 降维——改进机器学习模型的性能
  • 8.1 特征选择
  • 8.1.1 分步回归
  • 8.1.2 MATLAB中的分步回归
  • 8.2 特征提取
  • 主成分分析
  • 8.3 总结
  • 第9章 机器学习实战
  • 9.1 用于预测混凝土质量的数据拟合
  • 9.2 使用神经网络诊断甲状腺疾病
  • 9.3 使用模糊聚类对学生进行分簇
  • 9.4 总结
展开全部

评分及书评

评分不足
1个评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。