機器學習原理與應用

章緒論
1.1 人工智能
1.2 機器學習
1.3 深度學習
1.4 Pytorch簡介
第2 章回歸分析
2.1 引言
2.2 回歸分析
2.3 本章小結
2.4 習題
第3 章決策樹
3.1 引言
3.2 案例
3.3 決策樹
3.4 案例求解
3.5 本章小結
3.6 習題
第4 章貝葉斯分類器
4.1 引言
4.2 案例
4.3 理論介紹
4.4 案例求解
4.5 本章小結
4.6 習題
第5 章人工神經網絡
5.1 引言
5.2 案例
5.3 多層感知機
5.4 案例求解
5.5 本章小結
5.6 習題
第6章支持向量機
6.1 引言
6.2 支持向量機
6.3 案例求解
6.4 本章小結
6.5 習題
第7 章聚類
7.1 引言
7.2 聚類任務
7.3 性能度量
7.4 原型聚類
7.5 層次聚類
7.6 習題
第8 章降維
8.1 引言
8.2 案例
8.3 主成分分析
8.4 線性判別分析
8.5 案例求解
8.6 本章小結
8.7 習題
第9 章深度卷積網絡
9.1 引言
9.2 案例
9.3 圖像分類模型
9.4 案例求解
9.5 本章小結
9.6 習題
0章生成對抗網絡
10.1 引言
10.2 生成對抗網絡原理
10.3 損失函數
10.4 案例分析
10.5 本章小結
10.6 習題
1章對比學習
11.1 引言
11.2 問題
11.3 對比學習
11.4 案例求解
11.5 本章小結
11.6 習題
2章強化學習
12.1 引言
12.2 案例
12.3 強化學習
12.4 案例求解
12.5 本章小結
12.6 習題
參考答案
附錄一矩陣相關知識
附錄二概率論相關知識
參考文獻