机器学习

封面

版权信息

内容提要

编委会

丛书序一

丛书序二

前言

第1章 机器学习概述

1.1 机器学习简介

1.2 机器学习、人工智能和数据挖掘

1.3 典型机器学习应用领域

1.4 机器学习算法

1.5 机器学习的一般流程

习题

第2章 机器学习基本方法

2.1 统计分析

2.2 高维数据降维

2.3 特征工程

2.4 模型训练

2.5 可视化分析

习题

第3章 决策树与分类算法

3.1 决策树算法

3.2 集成学习

3.3 决策树应用

习题

第4章 聚类分析

4.1 聚类分析概念

4.2 聚类分析的度量

4.3 基于划分的聚类

4.4 基于密度的聚类

4.5 基于层次的聚类

4.6 基于网格的聚类

4.7 基于模型的聚类

习题

第5章 文本分析

5.1 文本分析介绍

5.2 文本特征提取及表示

5.3 知识图谱

5.4 词法分析

5.5 句法分析

5.6 语义分析

5.7 文本分析应用

习题

第6章 神经网络

6.1 神经网络介绍

6.2 神经网络相关概念

6.3 神经网络应用

习题

第7章 贝叶斯网络

7.1 贝叶斯理论概述

7.2 贝叶斯概率基础

7.3 朴素贝叶斯分类模型

7.4 贝叶斯网络推理

7.5 贝叶斯网络的应用

习题

第8章 支持向量机

8.1 支持向量机模型

8.2 支持向量机应用

习题

第9章 进化计算

9.1 遗传算法的基础

9.2 蚁群算法

9.3 蜂群算法

习题

第10章 分布式机器学习

10.1 分布式机器学习基础

10.2 分布式机器学习框架

10.3 并行决策树

10.4 并行k-均值算法

习题

第11章 深度学习

11.1 卷积神经网络

11.2 循环神经网络

11.3 深度学习流行框架

习题

第12章 高级深度学习

12.1 高级卷积神经网络

12.2 高级循环神经网络应用

12.3 无监督式深度学习

12.4 强化学习

12.5 迁移学习

12.6 对偶学习

习题

第13章 推荐系统

13.1 推荐系统基础

13.2 推荐系统通用模型

13.3 推荐系统评测

13.4 推荐系统常见问题

13.5 推荐系统实例

习题

第14章 实验

14.1 华为FusionInsight产品平台介绍

14.2 银行定期存款业务预测

14.3 客户分群

附录 《机器学习》配套实验课程方案简介