機器學習基礎 机器学习基础

呂雲翔, 馬連韜, 劉卓然, 張凡, 張程博

機器學習基礎
  • 出版商: 清華大學
  • 出版日期: 2018-10-11
  • 定價: $179
  • 售價: 7.9 折 $141
  • 語言: 簡體中文
  • 頁數: 158
  • 裝訂: 平裝
  • ISBN: 7302496595
  • ISBN-13: 9787302496595
  • 相關分類: Machine Learning

    • 立即出貨

買這商品的人也買了...

中文年末書展｜繁簡參展書2書75折 詳見活動內容 »

相關主題

商品描述

本書全面系統地介紹了機器學習的基本概念、預備知識、主要思想、研究進展、基礎技術、應用技巧，並圍繞當前機器學習領域的熱點問題展開討論。全書共11章，主要內容包括決策樹、神經網絡、支持向量機、遺傳算法、回歸、聚類分析等。本書可作為高等院校計算機、軟件工程、智能科學與技術等專業研究生和高年級本科生的教材，同時對於從事人工智能、數據挖掘、模式識別等相關技術人員也具有較高的參考價值

目錄大綱

目錄
第1章緒論

1.1從兩個問題談起

1.2模型評估與模型參數選擇

1.2.1驗證

1.2.2正則化

1.3機器學習算法分類

1.3.1監督學習

1.3.2非監督學習

習題

第2章回歸

2.1線性回歸

2.2Logistic回歸

習題

第3章LDA主題模型

3.1LDA簡介

3.2數學基礎

3.2.1多項分佈

3.2.2Dirichlet分佈

3.2.3共軛先驗分佈

3.3LDA主題模型

3.3.1基礎模型

3.3.2PLSA模型

3.3 .3LDA模型

3.4LDA模型應用實例

3.4.1配置安裝

3.4.2文本預處理

3.4.3使用Gensim 

習題

第4章決策樹

4.1決策樹簡介

4.1.1一個小例子

4.1.2幾個重要的術語及決策樹構造思路

4.2離散型決策樹的構造

4.3連續性數值的處理

4.4決策樹剪枝

習題

第5章支持向量機

5.1分離超平面與最大間隔

5.2線性支持向量機

5.2.1硬間隔

5.2.2軟間隔

5.3非線性支持向量機

5.3.1核方法

5.3.2常用的核函數

5.4操作實例：應用MATLAB多分類SVM、二分類SVM、決策樹
算法進行分類

5.4.1數據集選擇

5.4.2數據預處理

5.4.3模型表現

5.4.4經驗總結

習題

第6章提升方法

6.1隨機森林

6.1.1隨機森林介紹

6.1.2Bootstrap Aggregation 

6.1.3隨機森林訓練過程

6.1.4隨機森林的優點與缺點

6.2Adaboost 

6.2.1引入

6.2.2Adaboost實現過程

6.2.3Adaboost總結

6.3隨機森林算法應用舉例

6.3.1MATLAB中隨機森林算法

6.3.2操作實例1：基於集成方法的IRIS數據集分類

6.3.3操作實例2：基於ensemble方法的人臉識別

習題

第7章神經網絡基礎

7.1基礎概念

7.2感知機

7.2.1單層感知機

7.2.2多層感知機

7.3BP神經網絡

7.3.1梯度下降

7.3.2後向傳播

7.4徑向基函數網絡

7.4.1精確插值與徑向基函數

7.4.2徑向基函數網絡

7.5Hopfield網絡

7.5 .1Hopfield網絡的結構

7.5.2Hopfield網絡的訓練

7.5.3Hopfield網絡狀態轉移

7.6Boltzmann機

7.7自組織映射網絡

7.7.1網絡結構

7.7.2訓練算法

7.8實例：使用MATLAB進行Batch Normalization 

7.8.1淺識Batch Normalization 

7.8.2MATLAB nntool使用簡介

習題

第8章深度神經網絡

8.1什麼是深度神經網絡

8.2捲積神經網絡

8.2.1捲積神經網絡的基本思想

8.2.2捲積操作

8.2.3池化層

8.2.4捲積神經網絡

8.3循環神經網絡

8.3.1循環單元

8.3.2通過時間後向傳播

8.3.3帶有門限的循環單元

8.4MATLAB深度學習工具箱簡介

8.5利用Theano搭建和訓練神經網絡

8.5.1Theano簡介

8.5.2Theano的基本使用

8.5.3搭建訓練神經網絡的項目

習題

第9章聚類算法

9.1簡介

9.1.1聚類任務

9.1.2基本表示

9.2K Means算法

9.2.1算法簡介

9.2. 2算法流程

9.2.3K Means的一些改進

9.2.4選擇合適的K 

9.2.5X Means 

9.3層次聚類

9.4聚類算法拓展

9.4.1聚類在信號處理領域的應用

9.4.2以語義聚類的形式展示網絡圖像搜索結果

習題

第10章尋優算法之遺傳算法

10.1簡介

10.1.1算法起源

10.1.2基本過程

10.1.3基本表示

10.1.4輸入輸出

10.1.5優缺點及應用

10.2算法原型

10.2.1初始化

10.2.2評估

10.2.3選擇優秀個體

10.2.4交叉

10.2.5變異

10.2.6疊代

10.3算法拓展

10.3.1精英主義思想

10.3.2災變

習題

第11章項目實踐：基於機器學習的監控視頻行人檢測與追蹤系統

11.1引言

11.2相關算法與指標

11.2.1方向梯度直方圖

11.2.2支持向量機

11.2.3結構相似性

11.2.4Haar Like特徵

11.2. 5級聯分類器

11.2.6特徵臉

11.3系統設計與實現

11.3.1視頻處理模塊

11.3.2圖像識別模塊

11.3.3目標追蹤模塊

11.4系統測試

11.4.1測試環境

11.4.2系統單元測試與集成測試

11.4.3性能測試

11.4.4系統識別準確率測試

11.5結語

參考文獻
 

類似商品

最後瀏覽商品 (20)