機器學習基礎

機器學習基礎

作者: 呂雲翔 馬連韜 劉卓然 張凡 張程博
出版社: 清華大學
出版在: 2018-10-11
ISBN-13: 9787302496595
ISBN-10: 7302496595
裝訂格式: 平裝
總頁數: 158 頁





內容描述


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卷積神經網絡
8.2.1卷積神經網絡的基本思想
8.2.2卷積操作
8.2.3池化層
8.2.4卷積神經網絡
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迭代
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踪系統
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目標追踪模塊
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




相關書籍

深度學習實戰

作者 楊雲 杜飛

2018-10-11

輕鬆學習 R語言 -- 從基礎到應用,掌握資料科學的關鍵能力, 2/e

作者 郭耀仁

2018-10-11

Python × APCS 解題思路

作者 劉士華

2018-10-11