机器学习及应用（在线实验+在线自测）

封面

版权信息

内容提要

前言

第1章 导论

1.1 引言

1.2 基本术语

1.3 概念学习与假设空间

1.4 归纳偏好

1.5 经验误差与过拟合

1.6 模型评估与选择

1.7 性能度量

1.8 发展历程

1.9 应用现状

习题1

第2章 Python初步

2.1 Python概述

2.2 NumPy库介绍

2.3 Matplotlib库介绍

2.4 SciPy库函数

2.5 scikit-learn库函数

习题2

第3章 决策树

3.1 引言

3.2 ID3决策树

3.3 C4.5决策树

3.4 sklearn与回归树

习题3

第4章 神经网络

4.1 引言

4.2 神经元模型

4.3 感知机与多层神经网络

4.4 误差反向传播算法

4.5 玻耳兹曼机

4.6 综合案例

习题4

第5章 支持向量机

5.1 引言

5.2 线性分类

5.3 线性支持向量机

5.4 非线性支持向量机

5.5 序列最小优化算法

5.6 综合案例

习题5

第6章 贝叶斯分类器

6.1 引言

6.2 朴素贝叶斯分类

6.3 极大似然估计

6.4 贝叶斯网络

习题6

第7章 集成学习

7.1 引言

7.2 Voting

7.3 Bagging

7.4 Boosting

7.5 综合案例

习题7

第8章 聚类

8.1 引言

8.2 距离计算

8.3 k-means聚类

8.4 密度聚类

8.5 层次聚类

8.6 综合实例

习题8

第9章 降维

9.1 引言

9.2 k-近邻学习

9.3 主成分分析

9.4 低维嵌入

9.5 奇异值分解

9.6 综合实例

习题9

第10章 概率图模型

10.1 引言

10.2 马尔科夫过程

10.3 Viterbi算法

10.4 综合案例

习题10

第11章 深度学习初步

11.1 引言

11.2 表示问题

11.3 学习问题

11.4 优化问题

11.5 认知问题

11.6 基本模型

11.7 TensorFlow的简介与安装

11.8 TensorFlow的基本使用

11.9 基于卷积神经网络的MNIST手写体识别实验

习题11