機器學習原理及應用 殷麗鳳 鄭廣海 9787111771500 【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：202501*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：機器學習原理及應用
ISBN：9787111771500
出版社：機械工業
著編譯者：殷麗鳳 鄭廣海
頁數：271
所在地：中國大陸 *此為代購商品
書號：1710921
可大量預訂，請先連絡。

內容簡介

機器學習是人工智能領域的重要組成部分，其深度和廣度都在持續擴展。本書不僅對機器學習基礎知識進行了全面介紹，而且深入討論了各種經典和常用的機器學習方法。通過理論與實踐相結合的方式，幫助讀者理解機器學習的基本原理，掌握常用的方法，並能夠在實際問題中應用這些技術。本書共10章，可分為兩部分。第一部分主要介紹機器學習的背景知識，包括其定義、應用領域、發展歷程等。這部分旨在為讀者提供一個全面的視角，從而了解機器學習的概貌。第二部分則側重於技術的討論，包括各種經典和常用的機器學習方法的具體實現和應用。這部分的內容深入淺出，通過豐富的案例，幫助讀者理解各種方法的應用場景和優劣勢。此外，每章都提供了習題供讀者鞏固所學知識。 本書不僅適合作為高等院校計算機、軟體工程、自動化及相關專業的本科生或研究生教材，也適合作為對機器學習感興趣的研究人員和工程技術人員的參考書。

目錄

前言
第1章 緒論
1 1 機器學習的定義
1 2 機器學習的發展歷史
1 3 機器學習的分類
1 3 1 監督學習
1 3 2 無監督學習
1 3 3 半監督學習
1 3 4 強化學習
1 4 基本術語與符號
1 4 1 基本術語
1 4 2 基本符號
1 5 機器學習的過程
1 6 將Python用於機器學習
1 6 1 安裝Python解釋器
1 6 2 安裝PyCharm
1 6 3 安裝Anaconda
1 6 4 用於科學計算、數據科學和機器學習的軟體包
1 7 本章小結
1 8 習題
第2章 模型評估與調優
2 1 概述
2 2 評估方法
2 2 1 留出法
2 2 2 交叉驗證法
2 2 3 留一法交叉驗證
2 2 4 自助法
2 3 優化
2 3 1 用學習和驗證曲線調試算法
2 3 2 通過網格搜索調優機器學習模型
2 4 性能度量
2 4 1 錯誤率與準確率
2 4 2 查准率、查全率與F1
2 4 3 ROC與AUC
2 4 4 多元分類評估指標
2 5 本章小結
2 6 習題
第3章 回歸分析
3 1 引言
3 1 1 回歸分析概述
3 1 2 回歸分析的目標
3 1 3 回歸分析的步驟
3 2 一元線性回歸
3 2 1 一元線性回歸模型
3 2 2 參數w和b的推導過程
3 2 3 一元線性回歸模型的代碼實現及應用
3 3 多元線性回歸
3 3 1 多元線性回歸模型和參數求解
3 3 2 多元線性回歸模型的代碼實現及應用
3 4 對率回歸
3 4 1 對率回歸模型
3 4 2 參數w和b的推導過程
3 4 3 參數更新公式的推導
3 4 4 對率回歸模型的代碼實現及應用
3 5 多項式回歸
3 6 正則化回歸
3 6 1 嶺回歸模型
3 6 2 最小絕對收縮與選擇運算元（LASSO回歸）
3 6 3 彈性網絡
3 7 回歸模型的評價指標
3 8 回歸分析實踐
3 8 1 構建波士頓房價預測模型
3 8 2 構建信用卡欺詐行為分類模型
3 9 本章小結
3 10 習題
第4章 決策樹
4 1 決策樹概述
4 1 1 決策樹的概念
4 1 2 決策樹的優缺點
4 2 決策樹的劃分準則
4 2 1 信息增益
4 2 2 增益率
4 2 3 基尼指數
4 3 決策樹的建立
4 3 1 決策樹的歸納過程
4 3 2 決策樹實例分析
4 3 3 決策樹停止準則
4 3 4 決策樹剪枝
4 4 多變數決策樹
4 5 集成方法
4 5 1 隨機森林
4 5 2 梯度提升樹
4 6 回歸樹
4 6 1 回歸決策樹
4 6 2 回歸加權平均樹
4 6 3 隨機森林回歸樹
4 6 4 梯度提升回歸樹
4 7 決策樹實踐
4 7 1 構建巴黎住房分類模型
4 7 2 構建航班價格預測模型
4 8 本章小結
4 9 習題
第5章 神經網絡
5 1 神經網絡的發展歷史
5 2 神經元模型
5 2 1 生物學的神經元模型
5 2 2 M-P神經元模型
5 3 激活函數
5 3 1 Sigmoid激活函數
5 3 2 tanh激活函數
5 3 3 ReLU激活函數
5 3 4 採用激活函數的原因
5 3 5 激活函數的特點
5 4 感知機模型
5 4 1 感知機模型的結構
5 4 2 感知機模型的原理
5 4 3 感知機模型的實現
5 4 4 感知機模型的優缺點
5 5 多層前饋神經網絡模型
5 5 1 多層前饋神經網絡的工作原理
5 5 2 多層前饋神經網絡參數的學習過程
5 5 3 多層前饋神經網絡算法的實現
5 6 訓練方法
5 6 1 梯度下降法
5 6 2 隨機梯度下降法
5 6 3 小批量梯度下降法
5 7 梯度消失和梯度爆炸
5 7 1 產生原因
5 7 2 解決方案
5 8 神經網絡實踐：構建南瓜子分類模型
5 8 1 數據的簡單分析
5 8 2 利用感知機
5 8 3 利用多層感知機
5 9 本章小結
5 10 習題
第6章 支持向量機
6 1 支持向量機概述
6 1 1 線性分類
6 1 2 最大間隔分類
6 2 硬間隔支持向量機
6 2 1 硬間隔支持向量機模型
6 2 2 利用對偶問題求解
6 2 3 硬間隔支持向量機求解實例
6 3 核支持向量機
6 3 1 核函數
6 3 2 核函數求解實例
6 4 軟間隔支持向量機
6 4 1 鬆弛變數
6 4 2 對偶問題
6 5 感知機與SVM線性可分的區別
6 6 SVM的優缺點
6 7 支持向量機實踐：構建手機價格分類模型
6 7 1 數據的簡單分析
6 7 2 利用硬間隔支持向量機
6 7 3 利用軟間隔支持向量機
6 8 本章小結
6 9 習題
第7章 貝葉斯分類器
7 1 貝葉斯分類器概述
7 1 1 貝葉斯定理
7 1 2 貝葉斯定理的應用
7 1 3 貝葉斯思想
7 2 貝葉斯分類器的原理
7 2 1 貝葉斯決策論
7 2 2 極大似然估計
7 3 樸素貝葉斯分類器
7 4 半樸素貝葉斯分類器
7 4 1 超父獨依賴分類器
7 4 2 平均獨依賴估計
7 4 3 樹增廣樸素貝
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。