Python机器学习算法及典型案例实战(高等学校十四五规划教材)

作者: 汪洪桥编

出版社: 西北工业大学出版社

出版时间: 2021-01

版次: 1

ISBN: 9787561271742

定价: 49.00

装帧: 平装

开本: 16开

页数: 210页

分类: 教材教辅考试>教辅>其他教辅>其他

1人买过

本书是计算机、自动化、人工智能、模式识别及信息通信学科方向关于机器学习算法理论和Python语言编程实践方面的教材，全面介绍了统计机器学习和典型深度学习算法，包括监督学习――分类算法、监督学习――回归算法、非监督学习――聚类算法、特征处理方法、模型选择、卷积神经网络、自动编码器、目标检测算法、生成对抗网络等算法的基本理论，还包括机器学习的基本概念、产生、发展和机器学习模型、机器学习的Python编程环境等内容。
    本书不仅可用作高等学校研究生与高年级本科生教材，还可作为从事机器学习、智能信息处理及模式分析等方面工作的科研和工程技术人员的参考资料。第1章  机器学习概述
  1.1  机器学习的产生与发展
  1.2  机器学习模型及典型问题求解
  1.3  本书的重点及特色
第2章  机器学习的Python编程环境
  2.1  了解Python
  2.2  了解Scikit-learn
  2.3  了解TensorFlow
  2.4  了解Anaconda
第3章  监督学习――分类
  3.1  朴素贝叶斯分类
  3.2  决策树
  3.3  集成学习
  3.4  感知器
  3.5  神经网络
  3.6  支持向量机
  3.7  K近邻学习
第4章  监督学习――回归
  4.1  线性回归
  4.2  逻辑回归
  4.3  岭回归和LaSSO回归
  4.4  神经网络回归
  4.5  支持向量回归
第5章  非监督学习――聚类
  5.1  K-Means
  5 2  Mean-Shift
  5.3  GMM
第6章  特征处理
  6.1  数据清洗
  6.2  数据规范化
  6.3  特征降维
第7章  模型选择
  7.1  交叉验证
  7.2  评估指标
  7.3  超参数调优
第8章  卷积神经网络(CNN)
  8.1  基本原理
  8.2  卷积神经网络结构
  8.3  程序实现框架
  8.4  参数调整方法
  8.5  案例实现
第9章  自动编码器(AE)
  9.1  基本原理
  9.2  自动编码器结构
  9.3  几种常见的自动编码器
  9.4  程序框架
  9.5  案例实现
  9.6  参数调整方法及应用
第10章  目标检测算法(YOLO)
  10.1  基本原理
  10.2  网络设计
  10.3  程序实现框架
  10.4  参数调整方法
  10.5  案例实现
第11章  生成对抗网络(GANs)
  11.1  基本原理
  11.2  程序实现框架
  11.3  参数调整方法
  11.4  案例实现
参考文献
内容简介:
本书是计算机、自动化、人工智能、模式识别及信息通信学科方向关于机器学习算法理论和Python语言编程实践方面的教材，全面介绍了统计机器学习和典型深度学习算法，包括监督学习――分类算法、监督学习――回归算法、非监督学习――聚类算法、特征处理方法、模型选择、卷积神经网络、自动编码器、目标检测算法、生成对抗网络等算法的基本理论，还包括机器学习的基本概念、产生、发展和机器学习模型、机器学习的Python编程环境等内容。
本书不仅可用作高等学校研究生与高年级本科生教材，还可作为从事机器学习、智能信息处理及模式分析等方面工作的科研和工程技术人员的参考资料。
目录:
第1章  机器学习概述
  1.1  机器学习的产生与发展
  1.2  机器学习模型及典型问题求解
  1.3  本书的重点及特色
第2章  机器学习的Python编程环境
  2.1  了解Python
  2.2  了解Scikit-learn
  2.3  了解TensorFlow
  2.4  了解Anaconda
第3章  监督学习――分类
  3.1  朴素贝叶斯分类
  3.2  决策树
  3.3  集成学习
  3.4  感知器
  3.5  神经网络
  3.6  支持向量机
  3.7  K近邻学习
第4章  监督学习――回归
  4.1  线性回归
  4.2  逻辑回归
  4.3  岭回归和LaSSO回归
  4.4  神经网络回归
  4.5  支持向量回归
第5章  非监督学习――聚类
  5.1  K-Means
  5 2  Mean-Shift
  5.3  GMM
第6章  特征处理
  6.1  数据清洗
  6.2  数据规范化
  6.3  特征降维
第7章  模型选择
  7.1  交叉验证
  7.2  评估指标
  7.3  超参数调优
第8章  卷积神经网络(CNN)
  8.1  基本原理
  8.2  卷积神经网络结构
  8.3  程序实现框架
  8.4  参数调整方法
  8.5  案例实现
第9章  自动编码器(AE)
  9.1  基本原理
  9.2  自动编码器结构
  9.3  几种常见的自动编码器
  9.4  程序框架
  9.5  案例实现
  9.6  参数调整方法及应用
第10章  目标检测算法(YOLO)
  10.1  基本原理
  10.2  网络设计
  10.3  程序实现框架
  10.4  参数调整方法
  10.5  案例实现
第11章  生成对抗网络(GANs)
  11.1  基本原理
  11.2  程序实现框架
  11.3  参数调整方法
  11.4  案例实现
参考文献

查看详情

Python机器学习算法及典型案例实战(高等学校十四五规划教材)

内容简介:

目录: