人工智能算法与实践（普通高等教育人工智能专业系列教材）

本书以人工智能技术为 背景，介绍了人工智能领域 内的相关算法，包括机器学 习算法和深度学习算法，详 细介绍了各个算法的概述、 原理以及应用案例。本书分 为四大部分：基础知识、监 督式学习算法、无监督式学 习算法、深度学习算法。本 书共17章，第1章介绍人工 智能的定义、关键技术、实 际应用等相关背景：第2章 介绍人工智能算法的实验环 境，包括环境安装、可视化 库、TensorFlow框架搭建； 第3～17章分别介绍线性回 归算法、逻辑回归算法、支 持向量机、K近邻算法、决 策树、朴素贝叶斯算法、集 成学习算法、主成分分析算 法、K-Means算法、EM算 法、BP神经网络、循环神 经网络、卷积神经网络、 LSTM神经网络、生成对抗 网络的算法概述、原理以及 应用案例。 本书适合作为高等院校 人工智能专业及计算机相关 专业学生的教材和参考书， 也适合作为软件开发相关人 员进行人工智能技术应用开 发的重要参考资料。

第一部分 基础知识 第1章 人工智能与算法概述 1.1 人工智能 1.1.1 人工智能的概念 1.1.2 人工智能的发展 1.1.3 人工智能的应用 1.2 AI算法简介 1.2.1 算法定义 1.2.2 AI算法定义 1.2.3 AI算法分类 1.3 人工智能与算法的关系 1.4 算法在人工智能中的应用 1.5 本章习题 第2章 AI算法实验环境简介 2.1 Python环境安装与配置 2.2 Python可视化库 2.2.1 可视化库简介 2.2.2 matplotlib的基本元素和常用方法 2.2.3 matplotlib绘图 2.3 深度学习算法实验环境简介 2.4 TensorFlow框架搭建 2.5 本章习题 第二部分 监督式学习算法 第3章 线性回归算法 3.1 算法概述 3.2 算法原理 3.2.1 线性回归模型 3.2.2 一元线性回归算法 3.2.3 多元线性回归算法 3.2.4 梯度下降求解线性回归模型 3.3 算法案例：波士顿房价预测 3.4 算法总结 3.5 本章习题 第4章 逻辑回归算法 4.1 算法概述 4.1.1 什么是逻辑回归 4.1.2 逻辑回归对比线性回归 4.1.3 算法引入 4.2 算法原理 4.2.1 算法流程 4.2.2 假设函数 4.2.3 代价函数 4.2.4 梯度下降法 4.2.5 决策边界 4.3 算法案例：判断是否为恶性肿瘤 4.4 算法总结 4.5 本章习题 第5章 支持向量机 5.1 算法概述 5.2 算法原理