幫助中心 | 我的帳號 | 關於我們

機器學習基礎(大數據技術與應用專業規劃教材)

  • 作者:編者:呂雲翔//馬連韜//劉卓然//張凡//張程博
  • 出版社:清華大學
  • ISBN:9787302496595
  • 出版日期:2018/11/01
  • 裝幀:平裝
  • 頁數:158
人民幣:RMB 29.8 元      售價:
放入購物車
加入收藏夾

內容大鋼
    呂雲翔、馬連韜、劉卓然、張凡、張程博編著的《機器學習基礎(大數據技術與應用專業規劃教材)》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、神經網路、支持向量機、遺傳演算法、回歸、聚類分析等。
    本書可作為高等院校電腦、軟體工程、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慧、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。

作者介紹
編者:呂雲翔//馬連韜//劉卓然//張凡//張程博

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  機器學習演算法分類
    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
  2.2  Logistic回歸
  習題
第3章  LDA主題模型
  3.1  LDA簡介
  3.2  數學基礎
    3.2.1  多項分佈
    3.2.2  Dirichlet分佈
    3.2.3  共軛先驗分佈
  3.3  LDA主題模型
    3.3.1  基礎模型
    3.3.2  PLSA模型
    3.3.3  LDA模型
  3.4  LDA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、決策樹演算法進行分類
    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
    6.1.2  Bootstrap 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
  6.2  Adaboost
    6.2.1  引入
    6.2.2  Adaboost實現過程
    6.2.3  Adaboost總結
  6.3  隨機森林演算法應用舉例
    6.3.1  MATLAB中隨機森林演算法
    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  神經網路基礎
  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
  7.3  BP神經網路
    7.3.1  梯度下降
    7.3.2  後向傳播
  7.4  徑向基函數網路
    7.4.1  精確插值與徑向基函數
    7.4.2  徑向基函數網路
  7.5  Hopfield網路
    7.5.1  Hopfield網路的結構
    7.5.2  Hopfield網路的訓練
    7.5.3  Hopfield網路狀態轉移
  7.6  Boltzmann機
  7.7  自組織映射網路
    7.7.1  網路結構
    7.7.2  訓練演算法
  7.8  實例:使用MATLAB進行Batch Normalization
    7.8.1  淺識Batch Normalization
    7.8.2  MATLAB nntool使用簡介
  習題
第8章  深度神經網路
  8.1  什麼是深度神經網路
  8.2  卷積神經網路
    8.2.1  卷積神經網路的基本思想
    8.2.2  卷積操作
    8.2.3  池化層
    8.2.4  卷積神經網路
  8.3  循環神經網路
    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
  8.4  MATLAB深度學習工具箱簡介

  8.5  利用Theano搭建和訓練神經網路
    8.5.1  Theano簡介
    8.5.2  Theano的基本使用
    8.5.3  搭建訓練神經網路的項目
  習題
第9章  聚類演算法
  9.1  簡介
    9.1.1  聚類任務
    9.1.2  基本表示
  9.2  K Means演算法
    9.2.1  演算法簡介
    9.2.2  演算法流程
    9.2.3  K Means的一些改進
    9.2.4  選擇合適的K
    9.2.5  X Means
  9.3  層次聚類
  9.4  聚類演算法拓展
    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路圖像搜索結果
  習題
第10章  尋優演算法之遺傳演算法
  10.1  簡介
    10.1.1  演算法起源
    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  演算法原型
    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  演算法拓展
    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  相關演算法與指標
    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
    11.2.4  Haar 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

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032