本书系统地介绍了机器学习的相关知识。本书共12章, 内容包括机器学习、机器学习的数学基础、不同格式数据的读取与写人、数据预处理、回归决策树分类、贝叶斯分类、支持向量机分类、聚类、人工神经网络、OpenCV图像识别、TensorFlow深度学习。
曹洁, 男, 博士, 毕业于同济大学电子与信息工程学院计算机软件与理论专业。主要研究方向: 并行分布式处理、云计算、大数据。
第1章机器学习1
1.1机器学习的概念1
1.2机器学习的形式3
1.2.1监督学习3
1.2.2无监督学习4
1.2.3强化学习4
1.3构建机器学习#系统的一般流程4
1.3.1数据预处理4
1.3.2选择预测模型并进行训练、诊断与调优6
1.3.3模型验证与使用未知数据进行预测6
1.4机器学习的典型应用6
1.4.1语音识别7
1.4.2人脸识别7
1.4.3机器翻译8
1.5本章小结8
第2章机器学习的数学基础9
2.1相似性和相异性的度量9
2.1.1数据对象之间的相异度9
2.1.2数据对象之间的相似度11
2.2基于梯度的优化方法13
2.2.1方向导数13
2.2.2梯度15
2.2.3梯度下降优化方法16
2.3概率与统计基础18
2.3.1概率基础18
2.3.2常用的概率分布21
2.3.3联合分布24
2.3.4随机变量的数字特征24
2.3.5#大似然参数估计26
2.4矩阵基础28
2.4.1矩阵的基本概念28
2.4.2特征值与特征向量30
2.4.3矩阵相似31
2.4.4矩阵分解32
2.4.5主成分分析34
2.4.6矩阵运算Python实现36
2.5本章小结39
Python机器学习原理与实践(微课版)目录第3章不同格式数据的读取与写入40
3.1使用csv模块读取和写入csv文件40
3.1.1使用csv.reader()读取csv文件40
3.1.2使用csv.writer()写入csv文件41
3.1.3使用csv.DictReader...
书单推荐
