机器学习算法的数学解析与Python实现

作者: 莫凡著

出版社: 机械工业出版社

出版时间: 2020-01

版次: 1

ISBN: 9787111642602

定价: 89.00

装帧: 平装

开本: 16开

纸张: 胶版纸

页数: 205页

分类: 计算机与互联网

3 张插图图片

63人买过

　　《机器学习算法的数学解析与Python实现》以机器学习的算法为主线，深入剖析算法的概念和数学原理，以通俗形象的语言进行讲解，让读者无须储备很多数学知识，就能看懂数学公式所表达的意思，从而快速掌握机器学习的思想和原理。
　　《机器学习算法的数学解析与Python实现》首先介绍机器学习的基本概念及工具，然后从概念、原理、Python实现、应用场景几个方面，详细剖析机器学习中的主要算法，如线性回归算法、Logistic回归算法、KNN算法、朴素贝叶斯算法、决策树算法、支持向量机算法、K-means聚类算法、神经网络、集成学习方法等。
　　如果你之前不太了解机器学习，现在想要了解机器学习的主流算法和原理，并希望快速、清晰地建立对机器学习的“大局观”，但是担心一上来就被各种艰涩的数学公式“揍”得眼冒金星，或者担心文字过于“戏说”而失去了机器学习算法的本义，那《机器学习算法的数学解析与Python实现》也许就是你想要的。
　　《机器学习算法的数学解析与Python实现》要特色：
　　生动——语言生动幽默，通过分析大量生活案例，帮助读者理解机器学习的算法。
　　简单——让很多听起来高大上的名词更加贴近实际应用。
　　实用——精选了主要的机器学习算法，如线性回归算法、Logistic回归算法、KNN算法、朴素贝叶斯算法、决策树算法、支持向量机算法、K-means聚类算法、神经网络、集成学习方法等。
　　系统——从概念、原理、Python实现、应用场景几个方面，详细剖析机器学习中主要的算法。　　莫凡，新技术深度爱好者，曾经从事信息安全前沿技术跟踪研究和数据分析工作，在各类信息安全类技术期刊发表文章五十余篇，现转为投身高端知识“白菜化”项目，希望能让将更多听起来高大上的名词沾一沾“人间烟火”，成为日常生活中真正用得上的知识。前言
第1章机器学习概述
1．1 什么是机器学习
1．2 机器学习的几个需求层次
1．3 机器学习的基本原理
1．4 机器学习的基本概念
1．4．1 书中用到的术语介绍
1．4．2 机器学习的基本模式
1．4．3 优化方法
1．5 机器学习问题分类
1．6 常用的机器学习算法
1．7 机器学习算法的性能衡量指标
1．8 数据对算法结果的影响

第2章机器学习所需的环境
2．1 常用环境
2．2 Python简介
2．2．1 Python的安装
2．2．2 Python的基本用法
2．3 Numpy简介
2．3．1 Numpy的安装
2．3．2 Numpy的基本用法
2．4 Scikit-Learn简介
2．4．1 Scikit-Learn的安装
2．4．2 Scikit-Learn的基本用法
2．5 Pandas简介
2．5．1 Pandas的安装
2．5．2 Pandas的基本用法

第3章线性回归算法
3．1 线性回归：“钢铁直男”解决回归问题的正确方法
3．1．1 用于预测未来的回归问题
3．1．2 怎样预测未来
3．1．3 线性方程的“直男”本性
3．1．4 最简单的回归问题——线性回归问题
3．2 线性回归的算法原理
3．2．1 线性回归算法的基本思路
3．2．2 线性回归算法的数学解析
3．2．3 线性回归算法的具体步骤
3．3 在Python中使用线性回归算法
3．4 线性回归算法的使用场景

第4章 Logistic回归分类算法
4．1 Logistic回归：换上“S型曲线、马甲”的线性回归
4．1．1 分类问题：选择困难症患者的自我救赎
4．1．2 Logistic函数介绍
4．1．3 此回归非彼回归：“LR”辨析
4．2 Logistic回归的算法原理
4．2．1 Logistic回归算法的基本思路
4．2．2 Logistic回归算法的数学解析
4．2．3 Logistic回归算法的具体步骤
4．3 在Python中使用Logistic回归算法
4．4 Logistic回归算法的使用场景
……

第5章 KNN分类算法
第6章朴素贝叶斯分类算法
第7章决策树分类算法
第8章支持向量机分类算法
第9章 K-means聚类算法
第10章神经网络分类算法
第11章集成学习方法
内容简介:
　　《机器学习算法的数学解析与Python实现》以机器学习的算法为主线，深入剖析算法的概念和数学原理，以通俗形象的语言进行讲解，让读者无须储备很多数学知识，就能看懂数学公式所表达的意思，从而快速掌握机器学习的思想和原理。
　　《机器学习算法的数学解析与Python实现》首先介绍机器学习的基本概念及工具，然后从概念、原理、Python实现、应用场景几个方面，详细剖析机器学习中的主要算法，如线性回归算法、Logistic回归算法、KNN算法、朴素贝叶斯算法、决策树算法、支持向量机算法、K-means聚类算法、神经网络、集成学习方法等。
　　如果你之前不太了解机器学习，现在想要了解机器学习的主流算法和原理，并希望快速、清晰地建立对机器学习的“大局观”，但是担心一上来就被各种艰涩的数学公式“揍”得眼冒金星，或者担心文字过于“戏说”而失去了机器学习算法的本义，那《机器学习算法的数学解析与Python实现》也许就是你想要的。
　　《机器学习算法的数学解析与Python实现》要特色：
　　生动——语言生动幽默，通过分析大量生活案例，帮助读者理解机器学习的算法。
　　简单——让很多听起来高大上的名词更加贴近实际应用。
　　实用——精选了主要的机器学习算法，如线性回归算法、Logistic回归算法、KNN算法、朴素贝叶斯算法、决策树算法、支持向量机算法、K-means聚类算法、神经网络、集成学习方法等。
　　系统——从概念、原理、Python实现、应用场景几个方面，详细剖析机器学习中主要的算法。
作者简介:
　　莫凡，新技术深度爱好者，曾经从事信息安全前沿技术跟踪研究和数据分析工作，在各类信息安全类技术期刊发表文章五十余篇，现转为投身高端知识“白菜化”项目，希望能让将更多听起来高大上的名词沾一沾“人间烟火”，成为日常生活中真正用得上的知识。
目录:
前言
第1章机器学习概述
1．1 什么是机器学习
1．2 机器学习的几个需求层次
1．3 机器学习的基本原理
1．4 机器学习的基本概念
1．4．1 书中用到的术语介绍
1．4．2 机器学习的基本模式
1．4．3 优化方法
1．5 机器学习问题分类
1．6 常用的机器学习算法
1．7 机器学习算法的性能衡量指标
1．8 数据对算法结果的影响

第2章机器学习所需的环境
2．1 常用环境
2．2 Python简介
2．2．1 Python的安装
2．2．2 Python的基本用法
2．3 Numpy简介
2．3．1 Numpy的安装
2．3．2 Numpy的基本用法
2．4 Scikit-Learn简介
2．4．1 Scikit-Learn的安装
2．4．2 Scikit-Learn的基本用法
2．5 Pandas简介
2．5．1 Pandas的安装
2．5．2 Pandas的基本用法

第3章线性回归算法
3．1 线性回归：“钢铁直男”解决回归问题的正确方法
3．1．1 用于预测未来的回归问题
3．1．2 怎样预测未来
3．1．3 线性方程的“直男”本性
3．1．4 最简单的回归问题——线性回归问题
3．2 线性回归的算法原理
3．2．1 线性回归算法的基本思路
3．2．2 线性回归算法的数学解析
3．2．3 线性回归算法的具体步骤
3．3 在Python中使用线性回归算法
3．4 线性回归算法的使用场景

第4章 Logistic回归分类算法
4．1 Logistic回归：换上“S型曲线、马甲”的线性回归
4．1．1 分类问题：选择困难症患者的自我救赎
4．1．2 Logistic函数介绍
4．1．3 此回归非彼回归：“LR”辨析
4．2 Logistic回归的算法原理
4．2．1 Logistic回归算法的基本思路
4．2．2 Logistic回归算法的数学解析
4．2．3 Logistic回归算法的具体步骤
4．3 在Python中使用Logistic回归算法
4．4 Logistic回归算法的使用场景
……

第5章 KNN分类算法
第6章朴素贝叶斯分类算法
第7章决策树分类算法
第8章支持向量机分类算法
第9章 K-means聚类算法
第10章神经网络分类算法
第11章集成学习方法