书籍详情

机器学习应用实战

机器学习应用实战

作者:暂缺

出版社:清华大学出版社

出版时间:2022-04-01

ISBN:9787302597452

定价:¥49.90

购买这本书可以去
内容简介
  《机器学习应用实战/大数据与人工智能技术丛书》特点:以问题为导向,详细讲解基础知识点与算法的演练。机器学习实战案例丰富,涵盖15个完整项目案例。代码详尽,避免对API的形式展示,规避重复代码。语言简明易懂,轻松学会Python机器学习常见算法。各个算法相对独立,便于读者理解和掌握数学原理。《机器学习应用实战/大数据与人工智能技术丛书》将基础理论和案例实战相结合,循序渐进地介绍了关于机器学习领域中的经典和流行算法,全面、系统地介绍了使用Python实现机器学习算法,并通过PyTorch框架实现机器学习算法中的深度学习内容。《机器学习应用实战/大数据与人工智能技术丛书》首部分为基础篇,包括第1-8章,系统地介绍了机器学习基础、数据预处理、简单分类算法、决策树、支持向量机、回归分析、聚类分析、神经网络与多层感知机;第二部分为综合篇,包括第9~12章,介绍了CNN、RNN、GNN及GAN等经典深度学习方法及其在计算机视觉与自然语言处理领域中的应用实践;第三部分为拓展篇,包括第13~15章,以百度飞桨和旷视天元为例介绍了具有代表性的国产开源框架及其应用案例,最后简要介绍了国内外两个主流机器学习竞赛平台。《机器学习应用实战/大数据与人工智能技术丛书》主要面向广大从事数据分析、机器学习、数据挖掘或深度学习的专业人员,从事高等教育的专任教师,高等学校的在读学生及相关领域的科研人员。
作者简介
  刘袁缘,主要研究计算机视觉、跨模态情感计算、机器学习。CCF和IEEE会员,中国图像图形学会CSIG专委会委员,香港中文大学(深圳)客座副研究员。发表重要国际学术会议和期刊论文30余篇,出版学术专著2部,入选中国博士后优秀学术文库。先后主持国家面上基金和青年基金、武汉市科技局项目、航天基金预研项目。目前担任《Pattern recognition》、《Multimedia and tools application》、《IEEE Transactions on Automation Science and Engineering》、《 International Journal of Remote Sensing》、《IEEE Access》、FCS、《计算机学报》《测绘学报》等期刊和国际会议审稿人。
目录

第一部分 基础篇
第1章 机器学习基础
1.1 机器学习概述
1.1.1 机器学习任务
1.1.2 重要概念
1.1.3 性能评估
1.2 编程语言与环境
1.2.1 Python简介
1.2.2 Python环境配置与安装
1.2.3 Python机器学习编程库
1.2.4 PyTorch框架
第2章 数据预处理
2.1 数据清洗
2.1.1 缺失值处理
2.1.2 离群值检测
2.2 数据转换
2.2.1 数字化
2.2.2 离散化
2.2.3 正规化
2.2.4 数值转换
2.3 数据压缩
2.3.1 降维
2.3.2 实例选择和采样
2.4 应用案例:基于PCA的数据降维
2.4.1 数据集
2.4.2 PCA降维
2.4.3 案例结果及分析
第3章 简单分类算法
3.1 朴素贝叶斯分类算法
3.2 KNN分类算法
3.2.1 KNN算法实现原理
3.2.2 KNN算法实现步骤
3.2.3 KNN算法优缺点
3.3 应用案例:KNN分类
3.3.1 数据集
3.3.2 构建KNN分类器
3.3.3 案例结果及分析
第4章 决策树
4.1 决策树模型
4.2 特征选择
4.2.1 特征和数据划分
4.2.2 划分标准
4.3 决策树生成算法
4.3.1 ID3决策树生成算法
4.3.2 C4.5决策树生成算法
4.4 CART算法
4.4.1 决策树的剪枝
4.4.2 CART生成算法
4.4.3 CART剪枝算法
4.5 应用案例:基于决策树的鸢尾花图像分类
4.5.1 数据集
4.5.2 构建决策树
4.5.3 案例结果及分析
第5章 支持向量机
5.1 支持向量机的基本原理
5.1.1 线性可分
5.1.2 最大间隔问题
5.1.3 支持向量
5.2 常用核函数
5.2.1 线性核函数
5.2.2 高斯核函数
5.2.3 多项式核函数
5.3 应用案例:基于SVM的异或数据集划分
5.3.1 数据集及数据预处理
5.3.2 构建SVM分类器
5.3.3 案例结果及分析
第6章 回归分析
……
第二部分 综合篇
第三部分 拓展篇

猜您喜欢

读书导航