《机器学习实战》(中文版+英文版+源代码)
<<机器学习实战>>中文版、英文版、源代码。 机器学习是人工智能研究领域中一个极其重要的研究方向,在现今的大数据时代背景下,捕获数据并从中萃取有价值的信息或模式,成为各行业求生存、谋发展的决定性手段,这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。 本书第一部分主要介绍机器学习基础,以及如何利用算法进行分类,并逐步介绍了多种经典的监督学习算法,如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoos
<<机器学习实战>>中文版、英文版、源代码。 机器学习是人工智能研究领域中一个极其重要的研究方向,在现今的大数据时代背景下,捕获数据并从中萃取有价值的信息或模式,成为各行业求生存、谋发展的决定性手段,这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。 本书第一部分主要介绍机器学习基础,以及如何利用算法进行分类,并逐步介绍了多种经典的监督学习算法,如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoos
Introduction xxiii Chapter 1 The Two Essential Algorithms for Making Predictions Chapter 2 Understand the Problem by Understanding the Data Chapter 3 Predictive Model Building: Balancing Performance, Complexity, and Big Data Chapter 4 Penalized Linear Regression Chapter 5 Building Predictive Models Using Penalized Linear Methods Chapter 6 Ensemble Methods Chapter 7 Building Ensemble Models with Python
《图解机器学习》用丰富的图示,从最小二乘法出发,对基于最小二乘法实现的各种机器学习算法进行了详细的介绍。第Ⅰ部分介绍了机器学习领域的概况;第Ⅱ部分和第Ⅲ部分分别介绍了各种有监督的回归算法和分类算法;第Ⅳ部分介绍了各种无监督学习算法;第Ⅴ部分介绍了机器学习领域中的新兴算法。书中大部分算法都有相应的MATLAB程序源代码,可以用来进行简单的测试。 图解机器学习 第I部分绪论 第1章什么是机器学习 第2章学习模型 第II部分有监督回归 第3章最小二乘学习法 第4章带有约束条件的最小二乘法 第5章稀疏学习 第6章鲁棒学习 第III部分有监督分类 第7章基于最小二乘法的分类 第8章支持向量机分类 第9章集成分类 第10章概率分类法 第11 章序列数据的分类 第IV部分无监督学习 第12章异常检测 第13章无监督降维 第14章聚类 第V部分新兴机器学习算法 第15章在线学习 第16章半监督学习 第17章监督降维 第18章迁移学习 第19章多任务学习 第VI部分结 语 第20章总结与展望
笔耕不辍
领英
GitHub
专栏达人
持续创作