本書系統地介紹了機器學習的相關知識。本書共12章, 內容包括機器學習、機器學習的數學基礎、不同格式數據的讀取與寫人、數據預處理、回歸決策樹分類、貝葉斯分類、支持向量機分類、聚類、人工神經網絡、OpenCV圖像識別、TensorFlow深度學習。
曹潔, 男, 博士, 畢業于同濟大學電子與信息工程學院計算機軟件與理論專業。主要研究方向: 并行分布式處理、云計算、大數據。
第1章機器學習1
1.1機器學習的概念1
1.2機器學習的形式3
1.2.1監督學習3
1.2.2無監督學習4
1.2.3強化學習4
1.3構建機器學習#系統的一般流程4
1.3.1數據預處理4
1.3.2選擇預測模型并進行訓練、診斷與調優6
1.3.3模型驗證與使用未知數據進行預測6
1.4機器學習的典型應用6
1.4.1語音識別7
1.4.2人臉識別7
1.4.3機器翻譯8
1.5本章小結8
第2章機器學習的數學基礎9
2.1相似性和相異性的度量9
2.1.1數據對象之間的相異度9
2.1.2數據對象之間的相似度11
2.2基于梯度的優化方法13
2.2.1方向導數13
2.2.2梯度15
2.2.3梯度下降優化方法16
2.3概率與統計基礎18
2.3.1概率基礎18
2.3.2常用的概率分布21
2.3.3聯合分布24
2.3.4隨機變量的數字特征24
2.3.5#大似然參數估計26
2.4矩陣基礎28
2.4.1矩陣的基本概念28
2.4.2特征值與特征向量30
2.4.3矩陣相似31
2.4.4矩陣分解32
2.4.5主成分分析34
2.4.6矩陣運算Python實現36
2.5本章小結39
Python機器學習原理與實踐(微課版)目錄第3章不同格式數據的讀取與寫入40
3.1使用csv模塊讀取和寫入csv文件40
3.1.1使用csv.reader()讀取csv文件40
3.1.2使用csv.writer()寫入csv文件41
3.1.3使用csv.DictReader...
新書資訊