機器學習原理與Python實踐
卓澤濱
- 出版商: 清華大學
- 出版日期: 2025-03-01
- 售價: $599
- 貴賓價: 9.5 折 $569
- 語言: 簡體中文
- 頁數: 340
- ISBN: 7302681473
- ISBN-13: 9787302681472
-
相關分類:
Machine Learning
立即出貨 (庫存 < 3)
相關主題
商品描述
"《機器學習原理與Python實踐》結合大量實例詳細介紹機器學習的相關算法原理並利用Python語言進行實踐，內容涵蓋機器學習的完整知識體系和深度學習的基礎知識，如多層感知器和捲積神經網絡等。《機器學習原理與Python實踐》除了項目實戰外的各章均提供大量習題並給出參考答案和解題代碼。通過閱讀《機器學習原理與Python實踐》，讀者可以較為全面、系統地掌握機器學習和深度學習的相關知識。 《機器學習原理與Python實踐》共18章，分為3篇。第1篇機器學習基礎知識，主要介紹機器學習的基本概念、機器學習的基本流程與模型、搭建機器學習環境並進行應用實踐、基於Azure的機器學習雲平臺搭建等相關知識；第2篇機器學習核心技術，主要介紹模型訓練的數學原理、多樣性特徵解析、數據標準化與特徵篩選、貝葉斯分類器、廣義線性模型、支持向量機、決策樹、人工神經網絡、集成學習、模型的正則化、模型的評價與選擇、無監督學習（如K-Means聚類、GMM聚類、譜聚類、密度聚類等）；第3篇機器學習項目實戰，採用行人檢測和廚餘垃圾處理的指標預測兩個典型案例，帶領讀者進行項目實戰，提高讀者的實際開發水平。 《機器學習原理與Python實踐》內容豐富，講解循序漸進，適合機器學習的入門與進階人員閱讀，也適合人工智能領域的開發者和愛好者閱讀，還適合高等院校人工智能等相關專業作為教材，相關培訓機構也可作為培訓教材。"
作者簡介
卓澤濱，畢業於華南理工大學。在校期間獲得全國大學生數學建模競賽省二等獎、認證杯國際建模比賽國際賽Meritorious獎（二等獎）、MathorCup高校數學建模挑戰賽全國三等獎和泰迪杯數據挖掘挑戰賽全國二等獎等。開通CSDN博客，發表技術博文150餘篇，閱讀量高達76萬。畢業後供職於中國電器科學研究院股份有限公司，任開發工程師。申請兩項發明專利。考取了工程和信息化部教育與考試中心頒發的軟件評測工程師證書和泰迪智能研究院國際培訓中心頒發的大數據分析工程師證書。對機器學習和深度學習等人工智能開發技術有廣泛的涉獵和深入的研究。
目錄大綱
第1篇 機器學習基礎知識
第1章 機器學習的基本概念
1.1 機器學習的定義
1.1.1 機器學習的相關學科
1.1.2 機器學習與統計學習
1.2 機器學習的作用
1.3 機器學習的分類
1.3.1 監督學習
1.3.2 無監督學習
1.3.3 強化學習
1.3.4 其他
1.4 習題
參考文獻
第2章 機器學習的基本流程與模型
2.1 從一元線性回歸開始
2.1.1 實例：梅花鹿濕重預測
2.1.2 模型求解
2.1.3 模型評價
2.2 機器學習模型
2.2.1 基本概念
2.2.2 參數模型與無參數模型
2.3 模型的訓練過程
2.3.1 風險函數
2.3.2 參數尋優方法簡介
2.4 模型的評價方法
2.4.1 評價擬合優度的常見指標
2.4.2 欠擬合與過擬合
2.4.3 防止過擬合的辦法
2.5 簡單的機器學習模型
2.5.1 一元非線性回歸
2.5.2 MATLAB曲線擬合工具
2.5.3 KNN算法
2.6 小結
2.7 習題
參考文獻
第3章 搭建機器學習環境並進行應用實踐
3.1 搭建Python開發環境
3.1.1 安裝Anaconda
3.1.2 安裝OpenCV模塊
3.2 MATLAB常用工具箱簡介
3.2.1 函數句柄與搜索路徑
3.2.2 優化工具箱
3.2.3 統計與機器學習工具箱
3.2.4 深度學習工具箱
3.2.5 其他有用的工具
3.3 多元線性回歸及其Python實現
3.3.1 案例：Boston房價預測
3.3.2 多元線性回歸的一般步驟
3.3.3 Python實現
3.3.4 Ridge回歸
3.4 邏輯回歸及其Python實現
3.4.1 邏輯回歸的原理
3.4.2 邏輯回歸的訓練
3.4.3 分類闕值的選取
3.4.4 實例：鳶尾花分類問題
3.4.5 類別不均衡
3.4.6 多分類轉換為二分類
3.5 習題
參考文獻
第4章 基於Azure的機器學習雲平臺搭建
4.1 註冊Azure
4.1.1 註冊步驟
4.1.2 登錄Azure
4.2 創建Azure機器學習工作區
4.2.1 訂閱
4.2.2 創建機器學習工作區
4.3 使用Azure機器學習Notebook
4.3.1 啟動工作室
4.3.2 新建Notebook
4.3.3 在Notebook中執行簡單的機器學習任務
……
第2篇 機器學習核心技術
第3篇 機器學習項目實戰
