《机器学习基础》刘胜蓝/闫刚『EPUB电子书下载』

机器学习基础 内容简介

本书从机器学习在数据处理的角度入手来介绍机器学习的常用算法，按照"背景引入－方法介绍－案例－拓展知识点及文献”的思路来组织内容。本书共14章，涵盖了机器学习的常用算法。对于书中的每种机器学习算法，本书均给出了基本定义、典型应用，可方便读者更加深入的理解每种机器学习算法。此外，本书还介绍了计算机视觉的应用为例，阐述了机器学习算法在图像特征提取和卷积神经网络中的应用。

机器学习基础 作者简介

机器学习基础 目录

第1章数据与机器学习 1
1.1数据 1
1.1.1　数据的来源 1
1.1.2　数据的类型 3
1.2机器学习的任务 4
1.3机器学习的场景 4
1.4数据预处理 5
1.4.1　归一化 6
1.4.2　标准化 8
1.4.3　缺失值填充 8
1.5机器学习模型的评价指标 9
1.6本书的主要内容框架 10
1.7参考文献 10
1.8习题 11
第2章数据可视化 12
2.1基本类型 13
2.1.1　饼状图 13
2.1.2　柱状图 14
2.1.3　南丁格尔玫瑰图 16
2.1.4　折线图 17
2.1.5　雷达图 18
2.1.6　平行坐标图 20
2.1.7　桑基图 22
2.1.8　弦图 23
2.1.9　散点图 25
2.2基本构成元素和设计思路 26
2.3参考文献 27
2.4习题 28
第3章图像特征提取 29
3.1灰度图像 30
3.1.1　图像的数字表示 30
3.1.2　灰度图像的数字表示 31
3.2LBP 33
3.3颜色特征提取 36
3.3.1　RGB颜色模型 37
3.3.2　HSV颜色模型 37
3.4HSV特征提取 39
3.5拓展知识点 42
3.6参考文献 43
3.7习题 44
第4章数据分类——KNN分类 45
4.1分类 45
4.2KNN分类 46
4.3分类结果的评价指标 50
4.4拓展知识点 51
4.5参考文献 53
4.6习题 53
第5章K-means聚类 54
5.1聚类问题的阐述 54
5.2K-means算法的基本原理 55
5.2.1　数据样本之间的相似性度量 55
5.2.2　K-means算法的基本步骤 58
5.2.3　K-means算法的特点 63
5.3聚类结果的评价指标 65
5.3.1　聚类算法常见的内部评价指标 66
5.3.2　聚类算法常见的外部评价指标 68
5.4拓展知识点：K-means算法的应用 69
5.5参考文献 69
5.6习题 70
第6章综合应用案例——人机交互的数据可视化 71
6.1聚类与人机交互的数据可视化 71
6.2K-means聚类的交互数据可视化设计要点 75
6.3参考文献 75
6.4习题 75
第7章线性回归与正则化 76
7.1线性回归的问题定义 76
7.2线性回归的求解 78
7.2.1　损失函数 78
7.2.2　线性回归的解 80
7.3正则化线性回归 83
7.3.1　正则化的作用 83
7.3.2　L2正则化——岭回归 84
7.3.3　L1正则化——Lasso回归 84
7.4R2度量——衡量回归拟合效果的重要指标 85
7.4.1　R2度量的引出 85
7.4.2　线性回归中的R2度量 86
7.5参考文献 87
7.6习题 88
第8章逻辑回归 89
8.1逻辑回归模型 89
8.2多分类的Softmax回归模型 96
8.3参考文献 97
8.4习题 98
第9章线性降维——主成分分析 99
9.1特征选择与特征提取 99
9.2度量视角的PCA 101
9.3信息视角的PCA 104
9.4概率统计视角的PCA 104
9.5参考文献 108
9.6习题 109
第10章非线性降维及其应用 110
10.1局部线性嵌入 111
10.2拉普拉斯特征映射 118
10.3LE的相关应用 120
10.4降维方法的思维拓展 120
10.5参考文献 121
10.6习题 121
第11章核函数及其应用 122
11.1线性可分与高维映射 122
11.2核函数 124
11.3核回归 126
11.4核PCA 129
11.5拓展知识点 132
11.6参考文献 133
11.7习题 133
第12章神经网络基础 134
12.1神经元模型 134
12.1.1　神经元 134
12.1.2　Rosenblatt感知机 139
12.1.3　异或问题 140
12.2神经网络 143
12.2.1　递归神经网络 144
12.2.2　前馈神经网络 144
12.3参考文献 153
12.4习题 153
第13章反向传播神经网络 155
13.1梯度下降法 156
13.2随机梯度下降法 159
13.3反向传播 160
13.4梯度消失 166
13.5参考文献 167
13.6习题 168
第14章深度神经网络 169
14.1“深度”的意义 169
14.2卷积神经网络的基本操作 170
14.2.1　卷积 171
14.2.2　池化 172
14.2.3　激活 172
14.3经典卷积神经网络 173
14.3.1　AlexNet 174
14.3.2　VGG 176
14.3.3　GoogLeNet 177
14.3.4　ResNet 177
14.3.5　SENet 178
14.4参考文献 179
14.5习题 179
······