扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
图说图解机器学习/耿煜等 版权信息
- ISBN：9787121368264
- 条形码：9787121368264 ; 978-7-121-36826-4
- 装帧：平塑
- 册数：暂无
- 重量：暂无
- 所属分类：>
图说图解机器学习/耿煜等 本书特色
书采用图形化的方法讲解人工智能和机器学习的知识与技术，并且借用图形化软件KNIME采用拖、拉、拽等“傻瓜式”的操作完成从简单到复杂的机器学习项目。全书分为三个部分，分别是人工智能技术入门、传统机器学习和深度学习。本书具有图说图解、自上而下、够用即止、实战掌握的特点，适合于作为人工智能入门者、人工智能技术应用者及高职高专院校理工科、本科院校非理工科专业学生的教材。
图说图解机器学习/耿煜等 内容简介
书采用图形化的方法讲解人工智能和机器学习的知识与技术，并且借用图形化软件KNIME采用拖、拉、拽等“傻瓜式”的操作完成从简单到复杂的机器学习项目。全书分为三个部分，分别是人工智能技术入门、传统机器学习和深度学习。本书具有图说图解、自上而下、够用即止、实战掌握的特点，适合于作为人工智能入门者、人工智能技术应用者及高职高专院校理工科、本科院校非理工科专业学生的教材。
图说图解机器学习/耿煜等 目录
目 录
CONTENT
▲
第1章 人工智能及机器学习概述...................................1
1.1 人工智能概述 ............................................................................1
1.1.1.人工智能简史...............................................................2
1.1.2.人工智能是什么...........................................................4
1.1.3.人工智能的能力...........................................................5
1.2 机器学习概述 ............................................................................5
1.2.1.机器学习是什么...........................................................5
1.2.2.以监督学习为例...........................................................6
1.2.3.学习任务......................................................................7
1.2.4.机器学习要解决的基本问题.......................................7
1.2.5.机器学习如何优化模型...............................................7
1.2.6.机器学习工作流程.......................................................7
1.2.7.机器学习的各大流派...................................................8
1.2.8.机器学习算法选择.......................................................8
1.2.9.需要的知识...................................................................9
1.3 深度学习概述 ............................................................................9
1.4 机器学习与统计学 ....................................................................9
1.5 课后练习 ..................................................................................10
▲
第2章 机器学习基础知识...........................................11
2.1 数学基础 ..................................................................................11
2.1.1.数据的分类.................................................................12
2.1.2.基本统计学术语.........................................................12
2.1.3.回归............................................................................14
2.1.4.*小二乘法.................................................................14
2.1.5.判断拟合好坏.............................................................15
2.1.6.小结............................................................................17
2.2 读图 ..........................................................................................17
2.2.1.数值数据的分布.........................................................17
2.2.2.分类数据的分布.........................................................18
2.3 KNIME .....................................................................................21
2.3.1.KNIME简介..............................................................21
2.3.2.下载和安装.................................................................21
2.3.3.KNIME基本使用.......................................................21
2.3.4.小结............................................................................28
2.4 课后练习 ..................................................................................28
▲
第3章 线性回归.........................................................29
3.1 简单线性回归 ..........................................................................30
3.1.1.场景说明....................................................................30
3.1.2.KNIME建立工作流...................................................30
3.1.3.数据获取....................................................................30
3.1.4.观察数据....................................................................31
3.1.5.数据划分....................................................................33
3.1.6.模型训练....................................................................34
3.1.7.模型测试....................................................................37
3.1.8.损失函数....................................................................37
3.2 多元线性回归初步 ..................................................................38
3.2.1.任务及数据说明.........................................................38
3.2.2.建立基本的工作流.....................................................38
3.2.3.读取并观察数据.........................................................39
3.2.4.整合界面....................................................................49
3.3 多元线性回归进阶 ..................................................................51
3.3.1.优化模型....................................................................51
3.3.2.正向选择节点.............................................................55
3.3.3.反向消除....................................................................58
3.3.4.模型解释....................................................................58
3.3.5.特征归一化.................................................................59
3.3.6.使用KNIME具体实现归一化..................................59
3.3.7.相关系数....................................................................60
3.4 课后练习 ..................................................................................61
▲
第4章 逻辑回归.........................................................63
4.1 逻辑回归基本概念 ..................................................................63
4.1.1.分类问题....................................................................63
4.1.2.从线性回归到逻辑回归.............................................65
4.1.3.判定边界....................................................................66
4.1.4.KNIME工作流..........................................................66
4.1.5.读取数据....................................................................67
4.1.6.数据处理....................................................................67
4.1.7.模型训练及测试.........................................................68
4.1.8.模型评价....................................................................69
4.2 逻辑回归实战 ..........................................................................71
4.2.1.泰坦尼克号生存问题背景介绍..................................71
4.2.2.读取数据....................................................................72
4.2.3.数据处理....................................................................73
4.2.4.数据可视化及删除无关列.........................................75
4.2.5.模型训练和测试.........................................................82
4.2.6.模型评价....................................................................83
4.2.7.提交结果....................................................................85
4.2.8.模型解释....................................................................89
4.3 课后练习 ..................................................................................90
▲
第5章 模型优化.........................................................91
5.1 梯度下降 ..................................................................................91
5.1.1.损失函数....................................................................92
5.1.2.使用KNIME优化模型..............................................96
5.2 正则化 ......................................................................................98
5.2.1.准确性和健壮性.........................................................98
5.2.2.复杂的模型.................................................................98
5.2.3.欠拟合和过拟合.........................................................98
5.2.4.正则化防止过拟合...................................................100
5.2.5.使用KNIME设置正则化........................................100
5.3 模型评价 ................................................................................101
5.3.1.混淆矩阵.......
CONTENT
▲
第1章 人工智能及机器学习概述...................................1
1.1 人工智能概述 ............................................................................1
1.1.1.人工智能简史...............................................................2
1.1.2.人工智能是什么...........................................................4
1.1.3.人工智能的能力...........................................................5
1.2 机器学习概述 ............................................................................5
1.2.1.机器学习是什么...........................................................5
1.2.2.以监督学习为例...........................................................6
1.2.3.学习任务......................................................................7
1.2.4.机器学习要解决的基本问题.......................................7
1.2.5.机器学习如何优化模型...............................................7
1.2.6.机器学习工作流程.......................................................7
1.2.7.机器学习的各大流派...................................................8
1.2.8.机器学习算法选择.......................................................8
1.2.9.需要的知识...................................................................9
1.3 深度学习概述 ............................................................................9
1.4 机器学习与统计学 ....................................................................9
1.5 课后练习 ..................................................................................10
▲
第2章 机器学习基础知识...........................................11
2.1 数学基础 ..................................................................................11
2.1.1.数据的分类.................................................................12
2.1.2.基本统计学术语.........................................................12
2.1.3.回归............................................................................14
2.1.4.*小二乘法.................................................................14
2.1.5.判断拟合好坏.............................................................15
2.1.6.小结............................................................................17
2.2 读图 ..........................................................................................17
2.2.1.数值数据的分布.........................................................17
2.2.2.分类数据的分布.........................................................18
2.3 KNIME .....................................................................................21
2.3.1.KNIME简介..............................................................21
2.3.2.下载和安装.................................................................21
2.3.3.KNIME基本使用.......................................................21
2.3.4.小结............................................................................28
2.4 课后练习 ..................................................................................28
▲
第3章 线性回归.........................................................29
3.1 简单线性回归 ..........................................................................30
3.1.1.场景说明....................................................................30
3.1.2.KNIME建立工作流...................................................30
3.1.3.数据获取....................................................................30
3.1.4.观察数据....................................................................31
3.1.5.数据划分....................................................................33
3.1.6.模型训练....................................................................34
3.1.7.模型测试....................................................................37
3.1.8.损失函数....................................................................37
3.2 多元线性回归初步 ..................................................................38
3.2.1.任务及数据说明.........................................................38
3.2.2.建立基本的工作流.....................................................38
3.2.3.读取并观察数据.........................................................39
3.2.4.整合界面....................................................................49
3.3 多元线性回归进阶 ..................................................................51
3.3.1.优化模型....................................................................51
3.3.2.正向选择节点.............................................................55
3.3.3.反向消除....................................................................58
3.3.4.模型解释....................................................................58
3.3.5.特征归一化.................................................................59
3.3.6.使用KNIME具体实现归一化..................................59
3.3.7.相关系数....................................................................60
3.4 课后练习 ..................................................................................61
▲
第4章 逻辑回归.........................................................63
4.1 逻辑回归基本概念 ..................................................................63
4.1.1.分类问题....................................................................63
4.1.2.从线性回归到逻辑回归.............................................65
4.1.3.判定边界....................................................................66
4.1.4.KNIME工作流..........................................................66
4.1.5.读取数据....................................................................67
4.1.6.数据处理....................................................................67
4.1.7.模型训练及测试.........................................................68
4.1.8.模型评价....................................................................69
4.2 逻辑回归实战 ..........................................................................71
4.2.1.泰坦尼克号生存问题背景介绍..................................71
4.2.2.读取数据....................................................................72
4.2.3.数据处理....................................................................73
4.2.4.数据可视化及删除无关列.........................................75
4.2.5.模型训练和测试.........................................................82
4.2.6.模型评价....................................................................83
4.2.7.提交结果....................................................................85
4.2.8.模型解释....................................................................89
4.3 课后练习 ..................................................................................90
▲
第5章 模型优化.........................................................91
5.1 梯度下降 ..................................................................................91
5.1.1.损失函数....................................................................92
5.1.2.使用KNIME优化模型..............................................96
5.2 正则化 ......................................................................................98
5.2.1.准确性和健壮性.........................................................98
5.2.2.复杂的模型.................................................................98
5.2.3.欠拟合和过拟合.........................................................98
5.2.4.正则化防止过拟合...................................................100
5.2.5.使用KNIME设置正则化........................................100
5.3 模型评价 ................................................................................101
5.3.1.混淆矩阵.......
展开全部
图说图解机器学习/耿煜等 作者简介
耿煜，男，博士，就职于深圳信息职业技术学院，获得香港科技大学工学院电子及计算机工程系博士学位。曾出版《ANSYS电磁场及耦合场分析》。
书友推荐
- >
龙榆生：词曲概论/大家小书
龙榆生：词曲概论/大家小书
¥9.1¥24.0 - >
中国历史的瞬间
中国历史的瞬间
¥12.5¥38.0 - >
史学评论
史学评论
¥23.1¥42.0 - >
自卑与超越
自卑与超越
¥13.5¥39.8 - >
我与地坛
我与地坛
¥16.8¥28.0 - >
二体千字文
二体千字文
¥14.0¥40.0 - >
中国人在乌苏里边疆区:历史与人类学概述
中国人在乌苏里边疆区:历史与人类学概述
¥20.6¥48.0 - >
伯纳黛特,你要去哪(2021新版)
伯纳黛特,你要去哪(2021新版)
¥24.9¥49.8
本类畅销
-
Photoshop 2022中文版案例教程
¥44.1¥59.8 -
局域网组建、管理与维护(第4版)(微课版)
¥47¥59 -
园林AUTOCAD教程
¥24¥45 -
Python实战编程:从零学Python
¥81¥108 -
Java程序设计基础
¥37¥50 -
数据备份与恢复
¥51.4¥69
