机器学习原理与Python实践

本书结合大量实例详细 介绍机器学习的相关算法原 理并利用Python语言进行实 践，内容涵盖机器学习的完 整知识体系和深度学习的基 础知识，如多层感知器和卷 积神经网络等。本书除了项 目实战外的各章均提供大量 习题并给出参考答案和解题 代码。通过阅读本书，读者 可以较为全面、系统地掌握 机器学习和深度学习的相关 知识。 本书共18章，分为3篇。 第1篇机器学习基础知识， 主要介绍机器学习的基本概 念、机器学习的基本流程与 模型、搭建机器学习环境并 进行应用实践、基于Azure 的机器学习云平台搭建等相 关知识；第2篇机器学习核 心技术，主要介绍模型训练 的数学原理、多样性特征解 析、数据标准化与特征筛选 、贝叶斯分类器、广义线性 模型、支持向量机、决策树 、人工神经网络、集成学习 、模型的正则化、模型的评 价与选择、无监督学习（如 K-Means聚类、GMM聚类、 谱聚类、密度聚类等）；第 3篇机器学习项目实战，采 用行人检测和厨余垃圾处理 的指标预测两个典型案例， 带领读者进行项目实战，提 高读者的实际开发水平。 本书内容丰富，讲解循 序渐进，适合机器学习的入 门与进阶人员阅读，也适合 人工智能领域的开发者和爱 好者阅读，还适合高等院校 人工智能等相关专业作为教 材，相关培训机构也可作为 培训教材。

卓泽滨， 毕业于华南理工大学。在校期间获得全国大学生数学建模竞赛省二等奖、认证杯国际建模比赛国际赛Meritorious奖（二等奖）、MathorCup高校数学建模挑战赛全国三等奖和泰迪杯数据挖掘挑战赛全国二等奖等。开通CSDN博客，发表技术博文150余篇，阅读量高达76万。毕业后供职于中国电器科学研究院股份有限公司，任开发工程师。申请两项发明专利。考取了工程和信息化部教育与考试中心颁发的软件评测工程师证书和泰迪智能研究院国际培训中心颁发的大数据分析工程师证书。对机器学习和深度学习等人工智能开发技术有广泛的涉猎和深入的研究。

第1篇 机器学习基础知识 第1章 机器学习的基本概念 1.1 机器学习的定义 1.1.1 机器学习的相关学科 1.1.2 机器学习与统计学习 1.2 机器学习的作用 1.3 机器学习的分类 1.3.1 监督学习 1.3.2 无监督学习 1.3.3 强化学习 1.3.4 其他 1.4 习题 参考文献 第2章 机器学习的基本流程与模型 2.1 从一元线性回归开始 2.1.1 实例：梅花鹿湿重预测 2.1.2 模型求解 2.1.3 模型评价 2.2 机器学习模型 2.2.1 基本概念 2.2.2 参数模型与无参数模型 2.3 模型的训练过程 2.3.1 风险函数 2.3.2 参数寻优方法简介 2.4 模型的评价方法 2.4.1 评价拟合优度的常见指标 2.4.2 欠拟合与过拟合 2.4.3 防止过拟合的办法 2.5 简单的机器学习模型 2.5.1 一元非线性回归 2.5.2 MATLAB曲线拟合工具 2.5.3 KNN算法 2.6 小结 2.7 习题 参考文献 第3章 搭建机器学习环境并进行应用实践 3.1 搭建Python开发环境 3.1.1 安装Anaconda 3.1.2 安装OpenCV模块 3.2 MATLAB常用工具箱简介 3.2.1 函数句柄与搜索路径 3.2.2 优化工具箱 3.2.3 统计与机器学习工具箱 3.2.4 深度学习工具箱 3.2.5 其他有用的工具 3.3 多元线性回归及其Python实现 3.3.1 案例：Boston房价预测 3.3.2 多元线性回归的一般步骤 3.3.3 Python实现 3.3.4 Ridge回归 3.4 逻辑回归及其Python实现 3.4.1 逻辑回归的原理 3.4.2 逻辑回归的训练 3.4.3 分类阙值的选取 3.4.4 实例：鸢尾花分类问题 3.4.5 类别不均衡 3.4.6 多分类转换为二分类 3.5 习题 参考文献 第4章 基于Azure的机器学习云平台搭建 4.1 注册Azure 4.1.1 注册步骤 4.1.2 登录Azure 4.2 创建Azure机器学习工作区 4.2.1 订阅 4.2.2 创建机器学习工作区 4.3 使用Azure机器学习Notebook 4.3.1 启动工作室 4.3.2 新建Notebook 4.3.3 在Notebook中执行简单的机器学习任务 …… 第2篇 机器学习核心技术 第3篇 机器学习项目实战