人工智能算法大全 :基於 MATLAB
內容描述
本書的編程語言以MATLAB為主,
分別從學習方式和理論知識兩個方面來對機器學習(實現人工智能的方法)的算法進行分類介紹。
通過閱讀本書,讀者可以對人工智能的子集——機器學習形成一個系統、全面、完整的認識,
並且在今後的研究工作中逐步拓展,*終形成自己的體系。
全書共6篇,分別為特徵處理算法、分類和聚類算法、神經網絡算法、優化算法、基於不同數學思想的算法以及集成算法,
每一篇都對該類別中常見算法的思想、流程、核心知識和優缺點等內容進行了詳細介紹,
並通過實際的案例分析和代碼展示,對算法的具體應用進行了完整解析。
本書適用的讀者對象包括金融機構的量化投資經理、科研工作者、互聯網企業的算法工程師、
大中專院校相關專業師生,以及其他對實現人工智能的機器學習技術感興趣的讀者。
目錄大綱
目錄
前言
第一篇 特徵處理算法
第1章 ReliefF特徵選擇算法
1.1 原理介紹
1.1.1 算法思想
1.1.2 算法流程
1.1.3 算法詳細介紹
1.2 ReliefF特徵選擇算法優缺點
1.3 實例分析
1.3.1 數據集介紹
1.3.2 函數介紹
1.3.3 ReliefF算法在分類問題中的實例分析
1.3.4 ReliefF算法在回歸問題中的實例分析
1.4 房價回歸預測問題的特徵選擇案例代碼
第2章 Chi-Merge算法
2.1 原理介紹
2.1.1 算法思想
2.1.2 算法流程
2.2 Chi-Merge算法的優缺點
2.3 實例分析
2.3.1 數據集介紹
2.3.2 函數介紹
2.3.3 結果分析
2.4 代碼獲取
第3章 特徵規約算法
3.1 特徵規約算法原理介紹
3.1.1 特徵規約算法思想
3.1.2 特徵規約算法流程
3.1.3 PCA算法及相關矩陣分解
3.2 幾種特徵規約算法的優缺點
3.3 特徵規約算法實例分析
3.3.1 數據集介紹
3.3.2 函數介紹
3.3.3 結果分析
3.4 代碼獲取
第二篇 分類和聚類算法
第4章 KNN算法
4.1 原理介紹
4.1.1 算法思想
4.1.2 算法流程
4.2 KNN算法的核心知識
4.2.1 距離或相似度的衡量
4.2.2 K值的選取
4.2.3 K個鄰近樣本的選取
4.3 KNN算法的優缺點
4.4 實例分析
4.4.1 數據集介紹
4.4.2 函數介紹
4.4.3 結果分析
4.5 代碼獲取
第5章 K-Means算法
5.1 原理介紹
5.1.1 算法思想
5.1.2 算法流程
5.1.3 K值的選取
5.2 K-Means算法的優點與缺點
5.2.1 K-Means算法的優點
5.2.2 K-Means算法的缺點
5.3 實例分析
5.3.1 數據集介紹
5.3.2 函數介紹
……
第三篇 神經網路算法
第四篇 優化算法
第五篇 基於不同數學思想的算法
第六篇 集成算法
作者介紹
李一邨
浙江杭州人,浙江大學量化金融博士,現任杭州伊園科技有限公司總經理。
前沿量化科學領域的深耕者,多年來致力於將多元學科的前沿理論嫁接融合到金融投資領域。
被聘為杭州市科促會數據科學家、杭州師範大學指導老師。
曾連續5屆(第8-12屆)獲得《證時報》和《期貨日報》
聯合評選的“中國最佳金融量化策略工程師”。