人工智能 类型
6.8 豆瓣评分
可以朗读 语音朗读
171千字 字数
2019-01-01 发行日期
展开全部

主编推荐语

机器学习14章精华：线性回归、决策树、随机森林、神经网络等。

内容简介

本书内容共计14章，分别从机器学习基础、简单线性回归、基于K临近法的分类和回归分析、特征提取和预处理、简单回归和多重回归、线性回归和逻辑回归、朴素贝叶斯、决策树的非线性分类和回归、决策树、随机森林和其他方法、感知机、向量机、人工神经网络、K-means聚类等内容。

目录

  • 版权信息
  • 版权
  • 版权声明
  • 内容提要
  • 作者简介
  • 审稿人简介
  • 前言
  • 资源与支持
  • 第1章 机器学习基础
  • 1.1 定义机器学习
  • 1.2 从经验中学习
  • 1.3 机器学习任务
  • 1.4 训练数据、测试数据和验证数据
  • 1.5 偏差和方差
  • 1.6 scikit-learn简介
  • 1.7 安装scikit-learn
  • 1.7.1 使用pip安装
  • 1.7.2 在Windows系统下安装
  • 1.7.3 在Ubuntu 16.04系统下安装
  • 1.7.4 在Mac OS系统下安装
  • 1.7.5 安装Anaconda
  • 1.7.6 验证安装
  • 1.8 安装pandas、Pillow、NLTK和matplotlib
  • 1.9 小结
  • 第2章 简单线性回归
  • 2.1 简单线性回归
  • 2.1.1 用代价函数评价模型的拟合性
  • 2.1.2 求解简单线性回归的OLS
  • 2.2 评价模型
  • 2.3 小结
  • 第3章 用K-近邻算法分类和回归
  • 3.1 K-近邻模型
  • 3.2 惰性学习和非参数模型
  • 3.3 KNN模型分类
  • 3.4 KNN模型回归
  • 特征缩放
  • 3.5 小结
  • 第4章 特征提取
  • 4.1 从类别变量中提取特征
  • 4.2 特征标准化
  • 4.3 从文本中提取特征
  • 4.3.1 词袋模型
  • 4.3.2 停用词过滤
  • 4.3.3 词干提取和词形还原
  • 4.3.4 tf-idf权重扩展词包
  • 4.3.5 空间有效特征向量化与哈希技巧
  • 4.3.6 词向量
  • 4.4 从图像中提取特征
  • 4.4.1 从像素强度中提取特征
  • 4.4.2 使用卷积神经网络激活项作为特征
  • 4.5 小结
  • 第5章 从简单线性回归到多元线性回归
  • 5.1 多元线性回归
  • 5.2 多项式回归
  • 5.3 正则化
  • 5.4 应用线性回归
  • 5.4.1 探索数据
  • 5.4.2 拟合和评估模型
  • 5.5 梯度下降法
  • 5.6 小结
  • 第6章 从线性回归到逻辑回归
  • 6.1 使用逻辑回归进行二元分类
  • 6.2 垃圾邮件过滤
  • 6.2.1 二元分类性能指标
  • 6.2.2 准确率
  • 6.2.3 精准率和召回率
  • 6.2.4 计算F1值
  • 6.2.5 ROC AUC
  • 6.3 使用网格搜索微调模型
  • 6.4 多类别分类
  • 多类别分类性能衡量指标
  • 6.5 多标签分类和问题转换
  • 多标签分类性能衡量指标
  • 6.6 小结
  • 第7章 朴素贝叶斯
  • 7.1 贝叶斯定理
  • 7.2 生成模型和判别模型
  • 7.3 朴素贝叶斯
  • 朴素贝叶斯的假设
  • 7.4 在scikit-learn中使用朴素贝叶斯
  • 7.5 小结
  • 第8章 非线性分类和决策树回归
  • 8.1 决策树
  • 8.2 训练决策树
  • 8.2.1 选择问题
  • 8.2.2 基尼不纯度
  • 8.3 使用scikit-learn类库创建决策树
  • 决策树的优点和缺点
  • 8.4 小结
  • 第9章 集成方法：从决策树到随机森林
  • 9.1 套袋法
  • 9.2 推进法
  • 9.3 堆叠法
  • 9.4 小结
  • 第10章 感知机
  • 10.1 感知机
  • 10.1.1 激活函数
  • 10.1.2 感知机学习算法
  • 10.1.3 使用感知机进行二元分类
  • 10.1.4 使用感知机进行文档分类
  • 10.2 感知机的局限性
  • 10.3 小结
  • 第11章 从感知机到支持向量机
  • 11.1 核与核技巧
  • 11.2 最大间隔分类和支持向量
  • 11.3 用scikit-learn分类字符
  • 11.3.1 手写数字分类
  • 11.3.2 自然图片字符分类
  • 11.4 小结
  • 第12章 从感知机到人工神经网络
  • 12.1 非线性决策边界
  • 12.2 前馈人工神经网络和反馈人工神经网络
  • 12.3 多层感知机
  • 12.4 训练多层感知机
  • 12.4.1 反向传播
  • 12.4.2 训练一个多层感知机逼近XOR函数
  • 12.4.3 训练一个多层感知机分类手写数字
  • 12.5 小结
  • 第13章 K-均值算法
  • 13.1 聚类
  • 13.2 K-均值算法
  • 13.2.1 局部最优值
  • 13.2.2 用肘部法选择K值
  • 13.3 评估聚类
  • 13.4 图像量化
  • 13.5 通过聚类学习特征
  • 13.6 小结
  • 第14章 使用主成分分析降维
  • 14.1 主成分分析
  • 14.1.1 方差、协方差和协方差矩阵
  • 14.1.2 特征向量和特征值
  • 14.1.3 进行主成分分析
  • 14.2 使用PCA对高维数据可视化
  • 14.3 使用PCA进行面部识别
  • 14.4 小结
展开全部

评分及书评

尚无评分
目前还没人评分

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。