機器學習 翟懿奎 秦傳波 麥超雲等 9787302676799 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202412*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：機器學習
ISBN：9787302676799
出版社：清華大學
著編譯者：翟懿奎 秦傳波 麥超雲等
頁數：304
所在地：中國大陸 *此為代購商品
書號：1700268
可大量預訂，請先連絡。

內容簡介

本書全面且深入淺出地介紹了機器學習技術，不僅涵蓋機器學習算法原理及其實現和運行，還包括Python編程基礎和深度學習入門知識，有助於初學者快速掌握算法的實際應用。本書每一節都提供了相應的Python代碼實例，通過文字、公式、圖像、代碼和運行結果的結合，讀者可以深入理解算法的實現過程。 全書分為3部分：第一部分（第1～3章）提供必備的預備知識，包括機器學習概述、Python和NumPy基礎；第二部分（第4～11章）詳細介紹各種機器學習算法，涉及回歸、分類、聚類等任務；第三部分（第12、13章）介紹深度學習的背景知識，並介紹近年來備受關注的對抗生成網絡。 本書適合作為高等院校計算機、信息工程專業高年級本科生、研究生的教材，同時也可供從事相關領域學術研究、工程實踐專業人員以及對機器學習和深度學習感興趣的初學者參考。

作者簡介

翟懿奎 五邑大學電子與信息工程學院副院長，教授，博士生導師，北京航空航天大學信息處理專業博士，米蘭大學國家公派訪問學者。其自主研發的無人機國土智慧監測平台解決方案，解決了長期困擾政府的違法違規用地問題。該方案擁有自研國產高效路徑優化算法和國土地表變化檢測算法，累計獲授權國內發明專利30餘件、國際發明專利8件，獲2021年全國發明展覽會金獎，成果多次在遙感和測量類國際頂刊IEEE TGRS和IEEE TIM發表。

目錄

第1章 機器學習概述
1 1 人工智能的概念和發展
1 2 機器學習的概念和發展
1 3 機器學習的應用
1 3 1 七大應用模式
1 3 2 經典應用
1 4 實現框架
1 4 1 機器學習框架
1 4 2 深度學習框架
1 5 小結
第2章 Python基礎
2 1 認識Python
2 1 1 Python簡介
2 1 2 Python開發環境
2 1 3 安裝Python與選擇編譯器
2 2 Python語法特點
2 2 1 保留字
2 2 2 標識符
2 2 3 註釋
2 2 4 代碼縮進
2 2 5 數據類型
2 2 6 命名規則
2 2 7 運算符
2 2 8 input()和print()的用法
2 3 流程式控制制語句
2 3 1 判斷語句
2 3 2 循環語句
2 4 序列類型及操作
2 4 1 序列處理函數和方法
2 4 2 列表
2 4 3 元組
2 4 4 字典
2 4 5 集合
2 4 6 列表、元組、字典、集合的區別
2 5 函數的定義與使用
2 5 1 函數的理解與定義
2 5 2 函數的調用
2 5 3 函數的參數傳遞和返回值
2 5 4 局部變數和全局變數
2 6 類和對象
2 6 1 定義類
2 6 2 創建類的實例
2 6 3 創建__init__()方法
2 7 模塊
2 7 1 創建模塊
2 7 2 導入模塊
2 8 文件操作
2 8 1 創建和打開文件
2 8 2 關閉文件
2 8 3 寫入文件內容
2 8 4 讀取文件內容
2 9 小結
第3章 NumPy基礎
3 1 Matplotlib基礎
3 1 1 繪圖
3 1 2 顯示圖片
3 2 NumPy預備知識
3 2 1 NumPy簡介
3 2 2 NumPy的安裝
3 2 3 NumPy中的數組
3 3 NumPy語法
3 3 1 數組基礎
3 3 2 數組的使用
3 3 3 索引進階
3 3 4 廣播
3 4 創建NumPy數組的3種方法
3 4 1 使用NumPy內部功能函數
3 4 2 從Python列表轉換
3 4 3 使用特殊的庫函數
3 5 小結
第4章 線性回歸算法
4 1 概述
4 1 1 線性回歸定義
4 1 2 線性回歸的求解
4 1 3 線性回歸的擬合問題
4 1 4 線性回歸與正則化
4 2 實例分析
4 2 1 簡單線性回歸模型實例——最小二乘法
4 2 2 波士頓房價預測
4 3 小結
第5章 邏輯回歸算法
5 1 導讀
5 1 1 邏輯回歸基本概念
5 1 2 邏輯回歸應用
5 2 概述
5 2 1 probability和odds定義
5 2 2 logit函數和sigmoid函數及其特性
5 2 3 最大似然估計
5 2 4 參數的獲取：梯度下降法優化參數
5 2 5 模型評估方法
5 2 6 調參与最終模型
5 2 7 模型性能度量
5 3 實例分析
5 3 1 創建數據集並使用邏輯回歸算法進行分類
5 3 2 簡單邏輯回歸模型實例
5 4 小結
第6章 k近鄰算法
6 1 k近鄰算法的基本概念
6 2 暴力搜索算法
6 2 1 距離度量
6 2 2 k值的選擇
6 2 3 分類決策規則
6 3 實例分析：Iris數據集分類
6 3 1 Iris數據集
6 3 2 算法實現
6 4 小結
第7章 經典貝葉斯算法
7 1 數學回顧
7 1 1 條件概率
7 1 2 全概率公式
7 1 3 貝葉斯定理
7 2 樸素貝葉斯算法
7 2 1 基本概念
7 2 2 算法流程
7 2 3 拉普拉斯平滑
7 3 實例分析：挑選西瓜
7 4 實例分析：判斷是否患有糖尿病
7 4 1 數據集簡介
7 4 2 算法實現
7 5 小結
第8章 決策樹
8 1 決策樹原理
8 1 1 決策樹模型
8 1 2 決策樹的構建過程
8 2 決策樹的特徵選擇
8 2 1 信息增益
8 2 2 信息增益率
8 2 3 基尼指數
8 3 決策樹的構建
8 3 1 ID3算法
8 3 2 C4 5算法
8 3 3 CART生成算法
8 4 決策樹的剪枝策略
8 5 隨機森林
8 6 實例分析：從零開始實現ID3算法
8 6 1 數據集
8 6 2 算法實現
8 7 實例分析：用泰坦尼克號數據集實現隨機森林
8 7 1 泰坦尼克號數據集簡介
8 7 2 算法實現
8 8 小結
第9章 支持向量機
9 1 最優化方法：拉格朗日乘數法
9 1 1 等式約束條件下的拉格朗日乘數法
9 1 2 拉格朗日對偶性及KKT條件
9 2 支持向量機
9 2 1 線性支持向量機
9 2 2 非線性支持向量機
9 2 3 SMO算法
9 3 實例分析：乳腺癌數據集分類
9 3 1 乳腺癌數據集簡介
9 3 2 算法實現
9 4 小結
第10章 K-means算法
10 1 概述
10 1 1 K-means算法
10 1 2 K-means++算法
10 1 3 評估指標
10 2 實例分析
10 2 1 對簡單樣本進行K-means聚類
10 2 2 創建數據集並進行K-means聚類
10 2 3 對MNIST數據集進行K-means聚類
10 3 小結
第11章 主成分分析算法
11 1 概述
11 1 1 PCA算法原理
11 1 2 PCA算法流
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。