中图网

>

计算机教材

机器学习原理与实践(微课版)

作者：陈喆

出版社：清华大学出版社出版时间：2022-06-01

开本：其他页数： 240

本类榜单：计算机/网络销量榜

中图价:¥41.3(7.0折) 定价 ~~¥59.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
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)

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)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥41.3 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

微信公众号

机器学习原理与实践(微课版) 版权信息

ISBN：9787302603320
条形码：9787302603320 ; 978-7-302-60332-0
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机教材

机器学习原理与实践(微课版) 本书特色

1.本书力求以通俗简明的语言，从原理的角度，从无到有，讲清楚机器学习中的一些常见方法。 2.本书同时从实践的角度，循序渐进，引领读者独立编程实现这些机器学习方法。 3.本书在实验中使用了一系列与物联网相关的数据集，便于读者理解机器学习在物联网领域的应用。 4.本书的内容涵盖机器学习的三大范式：监督学习、无监督学习、强化学习。 5.本书有丰富的配套资源包括源代码和视频，扫码即可观看。从原理到实践，从入门到精通，从“小白”到“大神”，一本书玩转机器学习。

机器学习原理与实践(微课版) 内容简介

在这个“智能为王”“数据是金”的时代，越来越多的数据，包括物联网设备采集的客观世界数据，被用来指导人类的实践活动。机器学习是处理与分析这些数据的一类常用方法。本书力求从原理的角度，从无到有，讲清楚机器学习中的一些常见方法，并从实践的角度，循序渐进，引领读者独立编程实现这些机器学习方法，从而帮助读者迅速掌握机器学习方法，为读者进一步学习理解深度学习方法奠定坚实的原理与实践基础。本书适合计算机科学与技术、人工智能、物联网工程、数据科学与大数据、通信工程、电子信息、机器人、自动化、智能制造等相关专业高年级本科生及研究生教学或自学使用，也适合机器学习等领域的从业者及爱好者自学或参考。

机器学习原理与实践(微课版) 目录

第1章引言1

1.1机器学习简史2

1.2什么是机器学习2

1.3机器学习的应用3

1.4机器学习方法的实现4

1.4.1机器学习与Python4

1.4.2NumPy库5

1.4.3Matplotlib库6

1.5本章实验分析8

1.6本章小结9

1.7思考与练习10

第2章监督学习11

2.1线性回归12

2.1.1线性回归的数学模型12

2.1.2线性回归的训练过程16

2.1.3梯度下降法21

2.1.4线性回归的实现与性能评估26

2.1.5线性回归实践28

2.1.6特征缩放31

2.1.7多输出线性回归34

2.2逻辑回归38

2.2.1二分类与逻辑回归39

2.2.2逻辑回归的训练问题43

2.2.3逻辑回归的代价函数46

2.2.4分类任务的性能指标51

2.2.5逻辑回归实践55

2.3支持向量机55

2.3.1支持向量机及其训练问题56

2.3.2支持向量机训练问题初步求解58

2.3.3核技巧59

2.3.4软间隔支持向量机62

2.3.5支持向量机实践63

2.3.6过拟合与欠拟合64

2.4k近邻68

2.4.1k近邻分类69

2.4.2多分类任务的性能指标71

2.5朴素贝叶斯73

2.5.1朴素贝叶斯分类器74

2.5.2朴素贝叶斯分类器进阶76

2.5.3朴素贝叶斯实践78

2.6神经网络79

2.6.1多分类逻辑回归79

2.6.2多分类逻辑回归的训练82

2.6.3二分类神经网络85

2.6.4二分类神经网络的分类90

2.6.5二分类神经网络的训练93

2.6.6多分类神经网络98

2.6.7多分类神经网络的训练100

2.7本章实验分析103

2.8本章小结111

2.9思考与练习112

〖3〗机器学习原理与实践（微课版）目录〖3〗第3章无监督学习114

3.1k均值114

3.1.1k均值聚类114

3.1.2k值与轮廓系数117

3.1.3k均值实践118

3.2主成分分析119

3.2.1主成分分析降维120

3.2.2主成分分析实践124

3.3自编码器125

3.3.1什么是自编码器126

3.3.2自编码器的训练与降维127

3.3.3自编码器实践131

3.4本章实验分析133

3.5本章小结136

3.6思考与练习137

第4章强化学习139

4.1多老虎机问题140

4.1.1多老虎机问题及初步实践140

4.1.2ε贪婪方法143

4.1.3强化学习的要素143

4.2马尔可夫决策过程145

4.2.1什么是马尔可夫决策过程146

4.2.2收益与*优策略148

4.2.3贝尔曼*优性方程150

4.2.4求解贝尔曼*优性方程154

4.2.5马尔可夫决策过程实践156

4.3Q学习160

4.3.1什么是Q学习160

4.3.2Q学习实践164

4.4本章实验分析165

4.5本章小结168

4.6思考与练习168

参考文献170

附录A实验参考程序及注释171

展开全部

机器学习原理与实践(微课版) 作者简介

陈喆男，美国田纳西理工大学（Tennessee Tech University）博士。2003年硕士毕业后在UT斯达康、意法半导体等企业工作多年。2011年博士毕业后在东北大学物联网工程专业任副教授、硕士研究生导师。曾任东北大学物联网工程研究所副所长、无锡（滨湖）国家传感信息中心副主任（挂职），曾在美国北卡罗来纳州立大学（North Carolina State University）访学。主要研究方向包括物联网无线通信、机器学习、认知无线电等。讲授物联网技术、物联网通信技术、无线传感网络概论、无线传感网络实验、机器学习、创业基础、创新创业活动、High-Performance Embedded System Design等课程。曾多次被学生评选为“我最喜爱的老师”，所负责的课程多次被学生评选为“我最喜爱的专业课程”。作为独立作者编著的教材《物联网无线通信原理与实践》已出版（清华大学出版社）。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐