Zi 字媒體

1.機器學習簡介：機器學習是計算機科學與人工智慧的重要分支領域。 本書作為該領域的入門教材，在內容上儘可能涵蓋機器學習基礎知識的各方面。 為了使儘可能多的讀者通過本書對機器學習有所了解， 作者試圖儘可能少地使用數學知識。 然而， 少量的概率、統計、代數、優化、邏輯知識似乎不可避免。 因此， 本書更適合大學三年級以上的理工科大學部生和研究所， 以及具有類似背景的對機器學 習感興趣的人士。 為方便讀者， 本書附錄給出了一些相關數學基礎知識簡介。目錄：全書共16 章，大致分為3 個部分：第1 部分（第1～3 章）介紹機器學習的基礎知識；第2 部分（第4～10 章）討論一些經典而常用的機器學習方法（決策樹、神經網路、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度量學習）；第3 部分（第11～16 章）為進階知識，內容涉及特徵選擇與稀疏學習、計算學習理論、半監督學習、概率圖模型、規則學習以及強化學習等。2.機器學習實戰簡介：機器學習是人工智慧研究領域中一個極其重要的研究方向，在現今的大數據時代背景下，捕獲數據並從中萃取有價值的信息或模式，成為各行業求生存、謀發展的決定性手段，這使得這一過去為分析師和數學家所專屬的研究領域越來越為人們所矚目。本書第一部分主要介紹機器學習基礎，以及如何利用演算法進行分類，並逐步介紹了多種經典的監督學習演算法，如k近鄰演算法、樸素貝葉斯演算法、Logistic回歸演算法、支持向量機、AdaBoost集成方法、基於樹的回歸演算法和分類回歸樹（CART）演算法等。第三部分則重點介紹無監督學習及其一些主要演算法：k均值聚類演算法、Apriori演算法、FP-Growth演算法。第四部分介紹了機器學習演算法的一些附屬工具。全書通過精心編排的實例，切入日常工作任務，摒棄學術化語言，利用高效的可復用Python代碼來闡釋如何處理統計數據，進行數據分析及可視化。通過各種實例，讀者可從中學會機器學習的核心演算法，並能將其運用於一些策略性任務中，如分類、預測、推薦。另外，還可用它們來實現一些更高級的功能，如匯總和簡化等。目錄：第一部分分類第1章機器學習基礎2第2章k-近鄰演算法 15第3章決策樹 32第4章基於概率論的分類方法：樸素貝葉斯 53第5章Logistic回歸 73第6章支持向量機89第7章利用AdaBoost元演算法提高分類第二部分利用回歸預測數值型數據第8章預測數值型數據：回歸 136第9章樹回歸159第三部分無監督學習第10章利用K-均值聚類演算法對未標註數據分組184第11章使用Apriori演算法進行關聯分析200第12章使用FP-growth演算法來高效發現頻繁項集223第四部分其他工具第13章利用PCA來簡化數據242第14章利用SVD簡化數據252第15章大數據與MapReduce270附錄A Python入門294附錄B 線性代數303附錄C 概率論複習309附錄D 資源312索引313版權聲明316點擊「閱讀原文」即可免費下載精華回顧：華強聚豐擁有電子發燒友（百萬電子工程師社區平台：www.elecfans.com）、華強PCB（多層線路板製造專家：www.hqpcb.com）、華強芯城（電子元器件及SMT在線商城：www.hqchip.com）三大主營業務，以互聯網信息技術改善傳統製造業，打通電子產業鏈上下游，形成服務於整個電子產業鏈的一站式服務平台，為客戶降低成本，提升品質，加速進程。