機器學習原理與Python實踐

內容簡介

全書共分爲3個部分：第一部分對機器學習進行入門級別的介紹。第一章通過對機器學習基本概念的講解，幫助讀者從概念原理上補充知識性的認識。第二章結合簡單具體的案例，採用線性迴歸模型帶領讀者認識機器學習的整體過程，從而幫助讀者在實踐層面有大綱性認知。第三章對機器學習的實踐工具進行介紹，包括Python的使用和相關軟件的安裝。第四章通過介紹機器學習雲平臺，使得讀者在現有認識的基礎上擴充視野。 第二部分將機器學習解決具體問題的步驟拆分成一個個具體章節進行介紹，其中第五章主要介紹了模型訓練的數學算法原理。第六、七章介紹了數據預處理方法。第八章至第十一章分別採用原理介紹、項目實踐的方式，介紹常見的機器學習模型：貝葉斯模型、廣義線性迴歸、支持向量機、決策樹。第十二章、第十三章，採用同樣的教學方式，介紹了常用的神經網絡模型如多層感知器、卷積神經網絡等和集成學習模型。第十四章介紹了機器學習模型的正則化原理。第十五章在現有內容的基礎上，更加詳細和全面地介紹了機器學習模型的評價指標。第十六章則介紹了無監督學習的常見算法，如Kmeans聚類、高斯混合模型、譜聚類、DBSCAN等。 第三部分則通過實用的科研項目，加深讀者的知識沉澱和應用技能。書中考慮採用實際問題的“行人檢測項目”、“餐廚垃圾處理的指標預測”作爲教學項目。 本書對標國外計算機黑皮書系列教材，其定位是結合原理和實踐的科研教學書籍，旨在講解機器學習知識以及深度學習基礎知識。書中每章結尾均安排輔助訓練題，同時給出答案和解題代碼，以便讀者加深課程知識。

書籍信息