機器學(xué)習(xí)技術(shù)及應(yīng)用

第1章 機器學(xué)習(xí)介紹 001
1.1 機器學(xué)習(xí)簡介 002
1.1.1 機器學(xué)習(xí)的基本概念 003
1.1.2 機器學(xué)習(xí)的發(fā)展歷史 005
1.2 機器學(xué)習(xí)的分類及典型算法 010
1.2.1 機器學(xué)習(xí)的分類 010
1.2.2 監(jiān)督學(xué)習(xí) 011
1.2.3 非監(jiān)督學(xué)習(xí) 014
1.2.4 半監(jiān)督學(xué)習(xí) 015
1.2.5 強化學(xué)習(xí) 018
本章小結(jié) 019
習(xí)題 020
第2章 基于Python語言的機器學(xué)習(xí)環(huán)境搭建與配置 023
2.1 機器學(xué)習(xí)相關(guān)軟件介紹 024
2.1.1 機器學(xué)習(xí)開發(fā)語言 024
2.1.2 機器學(xué)習(xí)開發(fā)工具 028
2.2 機器學(xué)習(xí)開發(fā)環(huán)境搭建 036
2.2.1 Python的安裝及使用 036
2.2.2 Anaconda的安裝及使用 041
2.2.3 PyCharm的安裝及使用 052
2.3 常見機器學(xué)習(xí)庫函數(shù)功能介紹 059
2.3.1 基礎(chǔ)科學(xué)計算庫（NumPy） 059
2.3.2 科學(xué)計算工具集（Scipy） 068
2.3.3 數(shù)據(jù)分析庫（Pandas） 074
2.3.4 圖形繪制庫（Matplotlib） 079
2.3.5 機器學(xué)習(xí)常用算法庫（Scikit-learn） 080
本章小結(jié) 083
習(xí)題 084
第3章 監(jiān)督學(xué)習(xí) 087
3.1 線性回歸算法 088
3.1.1 常用損失函數(shù) 089
3.1.2 最小二乘法 091
3.1.3 梯度下降法 092
3.1.4 線性回歸算法實例 094
3.2 決策樹算法 098
3.2.1 分類準(zhǔn)則 099
3.2.2 ID3算法 102
3.2.3 C4.5算法 108
3.2.4 CART算法 111
3.2.5 決策樹算法實例 113
3.3 k近鄰算法 116
3.3.1 k值的選取及特征歸一化 117
3.3.2 kd樹 120
3.3.3 k近鄰算法實例 128
3.4 支持向量機算法 133
3.4.1 線性可分性 133
3.4.2 對偶問題 136
3.4.3 核函數(shù) 139
3.4.4 軟間隔 142
3.4.5 支持向量機算法實例 144
本章小結(jié) 146
習(xí)題 146
第4章 非監(jiān)督學(xué)習(xí) 149
4.1 非監(jiān)督學(xué)習(xí)概述 150
4.1.1 非監(jiān)督學(xué)習(xí)的基本概念 150
4.1.2 非監(jiān)督學(xué)習(xí)的分類 151
4.1.3 非監(jiān)督學(xué)習(xí)的特點 152
4.1.4 非監(jiān)督學(xué)習(xí)的應(yīng)用 153
4.2 主成分分析降維算法 154
4.2.1　數(shù)據(jù)降維介紹 154
4.2.2 PCA算法介紹 155
4.2.3 PCA算法求解步驟 159
4.2.4 PCA算法實例 161
4.3 K-means聚類算法 163
4.3.1 聚類算法簡介 163
4.3.2 K-means算法介紹 164
4.3.3 K-means算法求解步驟 165
4.3.4 K-means算法實例 170
本章小結(jié) 172
習(xí)題 173
第5章 人工神經(jīng)網(wǎng)絡(luò) 175
5.1 人工神經(jīng)網(wǎng)絡(luò)概述 176
5.1.1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程 176
5.1.2 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 180
5.1.3 人工神經(jīng)網(wǎng)絡(luò)模型 188
5.1.4 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用 191
5.2 房價預(yù)測實例 193
5.2.1 房價預(yù)測模型構(gòu)建 193
5.2.2 房價預(yù)測網(wǎng)絡(luò)構(gòu)建 198
5.3 手寫數(shù)字識別實例 199
5.3.1 手寫數(shù)字識別簡介 199
5.3.2 手寫數(shù)字識別網(wǎng)絡(luò)構(gòu)建 201
本章小結(jié) 203
習(xí)題 203
第6章 強化學(xué)習(xí) 205
6.1 強化學(xué)習(xí)概述 206
6.1.1 強化學(xué)習(xí)的基本概念 206
6.1.2 強化學(xué)習(xí)的發(fā)展歷史 208
6.1.3 強化學(xué)習(xí)的分類 210
6.1.4 強化學(xué)習(xí)的特點及應(yīng)用 211
6.2 強化學(xué)習(xí)基礎(chǔ) 212
6.2.1 馬爾可夫決策過程 212
6.2.2 貪心算法 213
6.3 有模型學(xué)習(xí)和無模型學(xué)習(xí) 214
6.3.1 有模型學(xué)習(xí) 214
6.3.2 無模型學(xué)習(xí) 216
6.4 強化學(xué)習(xí)實例 216
6.4.1 Q-Learning算法 216
6.4.2 Sarsa算法 232
本章小結(jié) 242
習(xí)題 243