幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

MATLAB機器學習實用教程(高等院校電腦教育系列教材)

  • 作者：編者:由偉|責編:張瑜
  • 出版社：清華大學
  • ISBN：9787302674757
  • 出版日期：2024/11/01
  • 裝幀：平裝
  • 頁數：240
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書介紹了機器學習的典型演算法及MATLAB編程方法。主要內容包括：線性回歸、非線性回歸、分類、聚類、人工神經網路、支持向量機、決策樹、模糊邏輯、集成學習、半監督學習、強化學習、關聯規則學習、深度學習、機器閱讀和機器寫作等。本書注重實用性，精選了大量實例，每個實例都提供了MATLAB程序，並進行了詳細的註釋，有助於讀者真正理解這些演算法和編程方法，把它們應用到自己的工作中來解決實際問題。因此，本書具有較強的實用性和可操作性，可以作為高等院校理工、管理、經濟、金融等專業本科生、研究生的教材，也可以作為相關工作者的有益參考書和工具書。
作者介紹
編者:由偉|責編:張瑜
目錄
第1章  機器學習基礎
  1.1  機器學習概述
    1.1.1  「機器學習」是什麼
    1.1.2  機器學習的流程
    1.1.3  機器學習的類型
    1.1.4  典型的機器學習演算法
  1.2  機器學習的發展歷程
    1.2.1  早期階段
    1.2.2  發展期
    1.2.3  繁榮期
    1.2.4  機器學習的現狀和發展趨勢
  1.3  機器學習的應用
    1.3.1  數據挖掘
    1.3.2  模式識別
    1.3.3  互聯網和電子商務
    1.3.4  電子遊戲
    1.3.5  金融領域
  1.4  MATLAB和機器學習
    1.4.1  MATLAB軟體
    1.4.2  MATLAB在機器學習中的應用案例
第2章  線性回歸
  2.1  最小二乘法
    2.1.1  概述
    2.1.2  一元線性回歸案例與MATLAB編程
    2.1.3  多元線性回歸案例
  2.2  魯棒線性回歸
    2.2.1  概述
    2.2.2  robustfit函數的應用案例與MATLAB編程
    2.2.3  fitlm函數的應用案例與MATLAB編程
  2.3  逐步回歸
    2.3.1  概述
    2.3.2  基於默認值的逐步回歸案例
    2.3.3  基於自己設置的標準值的逐步回歸案例與MATLAB編程
  2.4  嶺回歸
    2.4.1  概述
    2.4.2  嶺回歸案例
  2.5  Lasso回歸和彈性網回歸
    2.5.1  概述
    2.5.2  Lasso回歸案例與MATLAB編程
    2.5.3  彈性網回歸案例與MATLAB編程
  2.6  邏輯回歸
    2.6.1  概述
    2.6.2  邏輯回歸預測案例與MATLAB編程
    2.6.3  邏輯回歸分類案例與MATLAB編程
第3章  非線性回歸
  3.1  多項式曲線擬合
    3.1.1  概述
    3.1.2  多項式曲線擬合案例與MATLAB編程
  3.2  典型函數曲線擬合
    3.2.1  指數函數曲線擬合案例與MATLAB編程

    3.2.2  冪函數曲線擬合案例與MATLAB編程
    3.2.3  傅里葉函數曲線擬合案例與MATLAB編程
    3.2.4  高斯函數曲線擬合案例與MATLAB編程
  3.3  曲面擬合、插值和樣條擬合
    3.3.1  曲面擬合案例與MATLAB編程
    3.3.2  插值案例與MATLAB編程
    3.3.3  樣條擬合案例與MATLAB編程
    3.3.4  樣條平滑化擬合案例與MATLAB編程
第4章  分類和聚類
  4.1  分類演算法1——判別分析
    4.1.1  概述
    4.1.2  判別分析分類案例與MATLAB編程
  4.2  分類演算法2——樸素貝葉斯法
    4.2.1  概述
    4.2.2  樸素貝葉斯法分類案例與MATLAB編程
  4.3  分類演算法3——K最近鄰演算法
    4.3.1  概述
    4.3.2  K最近鄰演算法分類案例與MATLAB編程
  4.4  聚類演算法1——K均值演算法
    4.4.1  概述
    4.4.2  K均值演算法聚類案例與MATLAB編程
  4.5  聚類演算法2——高斯混合模型
    4.5.1  概述
    4.5.2  高斯混合模型聚類案例與MATLAB編程
第5章  人工神經網路
  5.1  人工神經網路在數據擬合中的應用
    5.1.1  概述
    5.1.2  人工神經網路擬合案例與MATLAB編程
  5.2  影響人工神經網路模型預測性能的因素
    5.2.1  隱含層的神經元數量
    5.2.2  隱含層的層數
    5.2.3  訓練演算法的類型
    5.2.4  網路類型
  5.3  人工神經網路在分類中的應用
    5.3.1  概述
    5.3.2  人工神經網路分類案例與MATLAB編程
第6章  支持向量機
  6.1  支持向量機在回歸中的應用
    6.1.1  概述
    6.1.2  支持向量機回歸案例與MATLAB編程
  6.2  預測性能的影響因素
    6.2.1  高斯核函數
    6.2.2  多項式核函數
  6.3  定量影響分析
    6.3.1  概述
    6.3.2  定量影響分析案例與MATLAB編程
  6.4  支持向量機在分類中的應用
    6.4.1  概述
    6.4.2  支持向量機分類案例與MATLAB編程
第7章  決策樹

  7.1  決策樹的原理
    7.1.1  決策樹的構建方法
    7.1.2  決策樹的應用
    7.1.3  決策樹的剪枝
    7.1.4  構建決策樹的演算法
  7.2  決策樹在分類中的應用
    7.2.1  概述
    7.2.2  決策樹分類案例與MATLAB編程
  7.3  決策樹在回歸中的應用
    7.3.1  概述
    7.3.2  決策樹回歸案例與MATLAB編程
第8章  模糊邏輯
  8.1  模糊聚類
    8.1.1  概述
    8.1.2  模糊聚類案例與MATLAB編程
  8.2  模糊邏輯在時間序列預測中的應用
    8.2.1  概述
    8.2.2  模糊邏輯的預測應用案例與MATLAB編程
第9章  集成學習
  9.1  集成學習在回歸中的應用
    9.1.1  fitrensemble函數
    9.1.2  fitrensemble函數的回歸應用案例與MATLAB編程
    9.1.3  TreeBagger函數
    9.1.4  TreeBagger函數的回歸應用案例與MATLAB編程
  9.2  集成學習在分類中的應用
    9.2.1  fitcensemble函數
    9.2.2  fitcensemble函數的分類應用案例與MATLAB編程
    9.2.3  TreeBagger函數
    9.2.4  TreeBagger函數的分類應用案例與MATLAB編程
第10章  半監督學習
  10.1  基於圖形法的半監督學習分類
    10.1.1  概述
    10.1.2  基於圖形法的半監督學習分類案例與MATLAB編程
  10.2  基於自訓練法的半監督學習分類
    10.2.1  概述
    10.2.2  基於自訓練法的半監督學習分類案例與MATLAB編程
第11章  強化學習
  11.1  強化學習在機器人中的應用
    11.1.1  概述
    11.1.2  基於Q學習演算法的強化學習案例與MATLAB編程
    11.1.3  基於SARSA演算法的強化學習案例的MATLAB編程
  11.2  強化學習在自動駕駛中的應用
    11.2.1  概述
    11.2.2  基於Q學習演算法的強化學習案例與MATLAB編程
    11.2.3  基於SARSA演算法的強化學習案例與MATLAB編程
第12章  關聯規則學習
  12.1  關聯規則學習
    12.1.1  什麼是關聯規則學習
    12.1.2  來源——「啤酒和尿布」的故事
    12.1.3  應用領域

  12.2  關聯規則學習在購物中的應用
    12.2.1  概述
    12.2.2  關聯規則學習在購物中的應用案例與MATLAB編程
  12.3  關聯規則學習在互聯網內容推送中的應用
    12.3.1  概述
    12.3.2  互聯網內容推送案例與MATLAB編程
第13章  深度學習
  13.1  概述
    13.1.1  什麼是深度學習
    13.1.2  應用
  13.2  卷積神經網路
    13.2.1  概述
    13.2.2  CNN圖像識別案例與MATLAB編程
    13.2.3  CNN回歸分析案例與MATLAB編程
  13.3  長短期記憶神經網路
    13.3.1  概述
    13.3.2  LSTM回歸案例與MATLAB編程
    13.3.3  LSTM時序預測案例與MATLAB編程
第14章  機器閱讀
  14.1  機器信息統計
    14.1.1  信息檢索和提取案例與MATLAB編程
    14.1.2  詞頻統計案例與MATLAB編程
  14.2  文本的情感分析
    14.2.1  概述
    14.2.2  文本情感分析案例與MATLAB編程
  14.3  機器識別漢字
    14.3.1  漢字和意義的數字化表徵
    14.3.2  建立映射關係
    14.3.3  轉化數字形式的結果為圖片
第15章  機器寫作
  15.1  基於記憶原理的機器寫作
    15.1.1  字詞的數字化表徵
    15.1.2  記憶字詞
    15.1.3  回憶字詞
    15.1.4  機器寫作
  15.2  基於深度學習的機器寫作
    15.2.1  搜集訓練樣本
    15.2.2  訓練樣本的數字化表徵
    15.2.3  記憶字詞
    15.2.4  回憶和寫作
    15.2.5  改變數字化表徵方法
    15.2.6  LSTM模型寫作程序的修改
  15.3  影響LSTM模型寫作質量的因素
    15.3.1  訓練樣本的次序
    15.3.2  訓練樣本的頻率
    15.3.3  LSTM模型的訓練次數
    15.3.4  數字化表徵方法和訓練次數的耦合影響

  • 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