您好,欢迎来到聚文网。 登录 免费注册
机器学习应用基础

机器学习应用基础

  • 字数: 280
  • 出版社: 高等教育
  • 作者: 编者:凌明胜|
  • 商品条码: 9787040581836
  • 适读年龄: 12+
  • 版次: 1
  • 开本: 16开
  • 页数: 194
  • 出版年份: 2025
  • 印次: 1
定价:¥40 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
本书是人工智能技术应 用校企“双元”合作系列教材 之一。 本书遵循初学者对机器 学习知识的认知规律,采用 由浅入深、循序渐进的讲授 方式,详细地介绍了机器学 习的基本原理,并采用“原 理简述+问题实例+实际代 码+运行结果”的模式介绍 常用算法。全书共11章,内 容涵盖模型评估选择、线性 回归、过拟合与欠拟合、逻 辑回归、k近邻算法、支持 向量机、朴素贝叶斯、决策 树、K均值算法、人工神经 网络等。 本书可作为高等职业院 校人工智能技术应用专业的 教材,也可作为从事机器学 习相关工作的专业技术人员 和广大人工智能爱好者的自 学参考书。
目录
第1章 机器学习概述 1.1 机器学习简介 1.1.1 机器学习入门案例 1.1.2 机器学习的定义 1.2 机器学习的分类 1.2.1 有监督学习 1.2.2 无监督学习 1.2.3 强化学习 1.2.4 机器学习算法选择 1.3 机器学习三要素 1.3.1 模型 1.3.2 策略 1.3.3 算法 1.4 机器学习典型应用 4.1 人脸识别 1.4.2 语音识别 1.4.3 自动驾驶 1.5 scikit-learn简介 1.6 本章小结 习题 第2章 模型评估选择 2.1 模型的设计原则 2.1.1 没有免费午餐定理 2.1.2 奥卡姆剃刀原理 2.1.3 训练误差与泛化误差 2.1.4 偏差与方差 2.2 模型验证 2.2.1 训练集、验证集和测试集 2.2.2 数据集划分方法 2.2.3 scikit-learn中数据集划分实现 2.3 模型性能评估 2.3.1 回归模型的评估指标 2.3.2 分类模型的评估指标 2.3.3 模型评估指标的scikit-learn实现 2.4 模型优化 2.4.1 超参数 2.4.2 超参数优化方法 2.4.3 超参数优化方法的scikit-learn实现 2.5 本章小结 习题 第3章 线性回归 3.1 问题引入 3.2 模型建立 3.2.1 一元线性回归 3.2.2 多元线性回归 3.3 参数求解 3.3.1 误差与分布 3.3.2 最大似然估计 3.3.3 最小二乘法 3.3.4 梯度下降

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网