机器学习算法原理与编程实践 PDF 高清电子书 免费下载 完整版 在线阅读- 高飞网
机器学习算法原理与编程实践

机器学习算法原理与编程实践

郑捷
算法 机器学习
浏览人数:169
读者:                       ...
  《机器学习算法原理与编程实践》是机器学习原理和算法编码实现的基础性读物,内容分为两大主线:单个算法的原理讲解和机器学习理论的发展变迁。算法除包含传统的分类、聚类、预测等常用算法之外,还新增了深度学习、贝叶斯网、隐马尔科夫模型等内容。对于每个算法,均包括提出问题、解决策略、数学推导、编码实现、结果评估几部分。数学推导力图做到由浅入深,深入浅出。结构上数学原理与程序代码一一对照,有助于降低学习门槛,加深公式的理解,起到推广和扩大机器学习的作用。

第1章 机器学习的基础\t1   
1.1 编程语言与开发环境\t2   
1.2 对象、矩阵与矢量化编程\t8   
1.3 机器学习的数学基础\t20   
1.4 数据处理与可视化\t42   
1.5 Linux操作系统下部署Python机器学习开发环境\t48   
1.6 结语\t55   
第2章 中文文本分类\t56   
2.1 文本挖掘与文本分类的概念\t56   
2.2 文本分类项目\t58   
2.3 分类算法:朴素贝叶斯\t78   
2.4 分类算法:kNN\t83   
2.5 结语\t88   
第3章 决策树的发展\t89   
3.1 决策树的基本思想\t89   
3.2 ID3决策树\t98   
3.3 C4.5算法\t106   
3.4 Scikit-Learn与回归树\t110   
3.5 结语\t117   
第4章 推荐系统原理\t118   
4.1 推荐系统概述\t119   
4.2 协同过滤及其算法\t126   
4.3 KMeans算法详解\t135   
4.4 聚类的改进:二分KMeans算法\t141   
4.5 SVD算法详解\t143   
4.6 结语\t148   
第5章 梯度寻优\t149   
5.1 最优化与计算复杂性\t149   
5.2 Logistic梯度下降法\t163   
5.3 算法分析\t175   
5.4 随机梯度下降法:算法改进与评估\t180   
5.5 结语\t187   
第6章 神经网络初步\t189   
6.1 神经网络简史\t189   
6.2 BP神经网络理论\t192   
6.3 BP网络的实现和评估\t199   
6.4 自组织特征映射神经网络\t208   
6.5 Boltzmann机算法\t215   
6.6 结语\t225   
第7章 预测的技术与哲学\t226   
7.1 线性系统的预测\t226   
7.2 径向基网络\t233   
7.3 岭回归\t238   
7.4 预测的哲学\t245   
7.5 结语\t263   
第8章 万能分类器――支持向量机\t265   
8.1 支持向量机的理论基础\t266   
8.2 SVM的数学推导\t272   
8.3 SMO算法\t284   
8.4 SVM中文文本分类\t293   
8.5 结语\t296   
第9章 人脸识别中的机器学习\t297   
9.1 模式识别概述\t297   
9.2 人脸检测\t305   
9.3 AdaBoost算法概述\t316   
9.4 人脸识别\t323   
9.5 结语\t330   
第10章 认知计算与深度学习\t332   
10.1 认知计算\t332   
10.2 多层感知器\t343   
10.3 卷积神经网络\t358   
10.4 Theano安装与GPU运算\t370   
10.5 结语\t378   
第11章 概率图模型与词性标注\t380   
11.1 马尔科夫过程\t381   
11.2 概率图模型和贝叶斯网\t385   
11.3 隐马尔科夫模型\t396   
11.4 词性标注系统\t406   
11.5 结语\t414   
看过本书的人还看过