机器学习基础

　　本书全面系统地介绍了机器学习的基本概念、预备知识、主要思想、研究进展、基础技术、应用技巧，并围绕当前机器学习领域的热点问题展开讨论。全书共11章，主要内容包括决策树、神经网络、支持向量机、遗传算法、回归、聚类分析等。 本书可作为高等院校计算机、软件工程、智能科学与技术等专业研究生和高年级本科生的教材，同时对于从事人工智能、数据挖掘、模式识别等相关技术人员也具有较高的参考价值。

暂缺《机器学习基础》作者简介

目录
第1章绪论

1.1从两个问题谈起

1.2模型评估与模型参数选择

1.2.1验证

1.2.2正则化

1.3机器学习算法分类

1.3.1监督学习

1.3.2非监督学习

习题

第2章回归

2.1线性回归

2.2Logistic回归

习题

第3章LDA主题模型

3.1LDA简介

3.2数学基础

3.2.1多项分布

3.2.2Dirichlet分布

3.2.3共轭先验分布

3.3LDA主题模型

3.3.1基础模型

3.3.2PLSA模型

3.3.3LDA模型

3.4LDA模型应用实例

3.4.1配置安装

3.4.2文本预处理

3.4.3使用Gensim

习题

第4章决策树

4.1决策树简介

4.1.1一个小例子

4.1.2几个重要的术语及决策树构造思路

4.2离散型决策树的构造

4.3连续性数值的处理

4.4决策树剪枝

习题

第5章支持向量机

5.1分离超平面与最大间隔

5.2线性支持向量机

5.2.1硬间隔

5.2.2软间隔

5.3非线性支持向量机

5.3.1核方法

5.3.2常用的核函数

5.4操作实例： 应用MATLAB多分类SVM、二分类SVM、决策树
算法进行分类

5.4.1数据集选择

5.4.2数据预处理

5.4.3模型表现

5.4.4经验总结

习题

第6章提升方法

6.1随机森林

6.1.1随机森林介绍

6.1.2Bootstrap Aggregation

6.1.3随机森林训练过程

6.1.4随机森林的优点与缺点

6.2Adaboost

6.2.1引入

6.2.2Adaboost实现过程

6.2.3Adaboost总结

6.3随机森林算法应用举例

6.3.1MATLAB中随机森林算法

6.3.2操作实例1： 基于集成方法的IRIS数据集分类

6.3.3操作实例2： 基于ensemble方法的人脸识别

习题

第7章神经网络基础

7.1基础概念

7.2感知机

7.2.1单层感知机

7.2.2多层感知机

7.3BP神经网络

7.3.1梯度下降

7.3.2后向传播

7.4径向基函数网络

7.4.1精确插值与径向基函数

7.4.2径向基函数网络

7.5Hopfield网络

7.5.1Hopfield网络的结构

7.5.2Hopfield网络的训练

7.5.3Hopfield网络状态转移

7.6Boltzmann机

7.7自组织映射网络

7.7.1网络结构

7.7.2训练算法

7.8实例： 使用MATLAB进行Batch Normalization

7.8.1浅识Batch Normalization

7.8.2MATLAB nntool使用简介

习题

第8章深度神经网络

8.1什么是深度神经网络

8.2卷积神经网络

8.2.1卷积神经网络的基本思想

8.2.2卷积操作

8.2.3池化层

8.2.4卷积神经网络

8.3循环神经网络

8.3.1循环单元

8.3.2通过时间后向传播

8.3.3带有门限的循环单元

8.4MATLAB深度学习工具箱简介

8.5利用Theano搭建和训练神经网络

8.5.1Theano简介

8.5.2Theano的基本使用

8.5.3搭建训练神经网络的项目

习题

第9章聚类算法

9.1简介

9.1.1聚类任务

9.1.2基本表示

9.2KMeans算法

9.2.1算法简介

9.2.2算法流程

9.2.3KMeans的一些改进

9.2.4选择合适的K

9.2.5XMeans

9.3层次聚类

9.4聚类算法拓展

9.4.1聚类在信号处理领域的应用

9.4.2以语义聚类的形式展示网络图像搜索结果

习题

第10章寻优算法之遗传算法

10.1简介

10.1.1算法起源

10.1.2基本过程

10.1.3基本表示

10.1.4输入输出

10.1.5优缺点及应用

10.2算法原型

10.2.1初始化

10.2.2评估

10.2.3选择优秀个体

10.2.4交叉

10.2.5变异

10.2.6迭代

10.3算法拓展

10.3.1精英主义思想

10.3.2灾变

习题

第11章项目实践： 基于机器学习的监控视频行人检测与追踪系统

11.1引言

11.2相关算法与指标

11.2.1方向梯度直方图

11.2.2支持向量机

11.2.3结构相似性

11.2.4HaarLike特征

11.2.5级联分类器

11.2.6特征脸

11.3系统设计与实现

11.3.1视频处理模块

11.3.2图像识别模块

11.3.3目标追踪模块

11.4系统测试

11.4.1测试环境

11.4.2系统单元测试与集成测试

11.4.3性能测试

11.4.4系统识别准确率测试

11.5结语

参考文献