机器学习算法的数学解析与Python实现 - (EPUB全文下载)

文件大小：5.44 mb。
文件格式：epub 格式。
书籍内容：

智能系统与技术丛书
机器学习算法的数学解析与Python实现
莫凡　编著
ISBN：978-7-111-64260-2
本书纸版由机械工业出版社于2020年出版，电子版由华章分社（北京华章图文信息有限公司，北京奥维博世图书发行有限公司）全球范围内制作与发行。
版权所有，侵权必究
客服热线：+ 86-10-68995265
客服信箱：service@bbbvip.com
官方网址：www.hzmedia.com.cn
新浪微博 @华章数媒
微信公众号 华章电子书（微信号：hzebook）
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
5.1　KNN分类算法：用多数表决进行分类
5.1.1　用“同类相吸”的办法解决分类问题
5.1.2　KNN分类算法的基本方法：多数表决
5.1.3　表决权问题
5.1.4　KNN的具体含义
5.2　KNN分类的算法原理
5.2.1　KNN分类算法的基本思路
5.2.2　KNN分类算法的数学解析
5.2.3　KNN分类算法的具体步骤
5.3　在Python中使用KNN分类算法
5.4　KNN分类算法的使用场景
第6章　朴素贝叶斯分类算法
6.1　朴素贝叶斯：用骰子选择
6.1.1　从统计角度看分类问题
6.1.2　贝叶斯公式的基本思想
6.1.3　用贝叶斯公式进行选择
6.2　朴素贝叶斯分类的算法原理
6.2.1　朴素贝叶斯分类算法的基本思路
6.2.2　朴素贝叶斯分类算法的数学解析
6.2.3　朴素贝叶斯分类算法的具体步骤
6.3　在Python中使用朴素贝叶斯分类算法
6.4　朴素贝叶斯分类算法的使用场景
第7章　决策树分类算法
7.1　决策树分类：用“老朋友”if-else进行选择
7.1.1　程序员的选择观：if-else
7.1.2　如何种植一棵有灵魂的“树”
7.1.3　决策条件的选择艺术
7.1.4　决策树的剪枝问题
7.2　决策树分类的算法原理
7.2.1　决策树分类算法的基本思路
7.2.2　决策树分类算法的数学解析
7.2.3　决策树分类算法的具体步骤
7.3　在Python中使用决策树分类算法
7.4　决策树分类算法的使用场景
第8章　支持向量机分类算法
8.1　支持向量机：线性分类器的“王者”
8.1.1　距离是不同类别的天然间隔
8.1.2　何为“支持向量”
8.1.3　从更高维度看“线性不可分”
8.2　支持向量机分类的算法原理
8.2.1　支持向量机分类算法的基本思路
8.2.2　支持向量机分类算法的数学解析
8.2.3　支持向量机分类算法的具体步骤
8.3　在Python中使用支持向量机分类算法
8.4　支持向量机分类算法的使用场景
第9章　K-means聚类算法
9.1　用投票表决实现“物以类聚”
9.1.1　聚类问题就是“物以类聚”的实施问题
9.1.2　用“K”来决定归属类别
9.1.3　度量“相似”的距离
9.1.4　聚类问题中的多数表决
9.2　K-means聚类的算法原理
9.2.1　K-means聚类算法的基本思路
9.2.2　K-means聚类算法的数学解析
9.2.3　K-means聚类算法的具体步骤
9.3　在Python中使用K-means聚类算法
9.4　K-means聚类算法的使用场景
第10章　神经网络分类算法
10.1　用神经网络解决分类问题
10.1.1　神经元的“内心世界”
10.1.2　从神经元看分类问题
10.1.3　神经网络的“细胞”：人工神经元
10.1.4　构成网络的魔力
10.1.5　神经网络与深度学习
10.2　神经网络分类的算法原理
10.2.1　神经网络分类算法的基本思路
10.2.2　神经网络分类算法的数学解析
10.2.3　神经网络分类算法的具体步骤
10.3　在Python中使用神经网络分类算法
10.4　神经网络分类算法的使用场景
第11章　集成学习方法
11.1　集成学习方法：三个臭皮匠赛过诸葛亮
............

书籍插图：

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。