作 者:莫凡 著
定 价:89
出 版 社:机械工业出版社
出版日期:2020年01月01日
页 数:205
装 帧:平装
ISBN:9787111642602
●前言 章 机器学习概述 1.1 什么是机器学习 1.2 机器学几个需求层次 1.3 机器学基本原理 1.4 机器学基本概念 1.4.1 书中用到的术语介绍 1.4.2 机器学基本模式 1.4.3 优化方法 1.5 机器学习问题分类 1.6 常用的机器学习算法 1.7 机器学习算法的性能衡量指标 1.8 数据对算法结果的影响 第2章 机器学习所需的环境 2.1 常用环境 2.2 Python简介 2.2.1 Python的安装 2.2.2 Python的基本用法 2.3 Numpy简介 2.3.1 Numpy的安装 2.3.2 Numpy的基本用法 2.4 Scikit-Learn简介 2.4.1 Scikit-Learn的安装 2.4.2 Scikit-Learn的基本用法 2.5 Pandas简介 2.5.1 Pandas的安装 2.5.2 Pandas的基本用法 第3章 线性回归算法 3.1 线性回归：“钢铁直男”解决回归问题的正确方法 3.1.1 用于预测未来的回归问题 3.1.2 怎样预测未来 3.1.3 线性方程的“直男”本性 3.1.4 简单的回归问题——线性回归问题 3.2 线性回归的算法原理 3.2.1 线性回归算法的基本思路 …… 第4章 Logistic回归分类算法 第5章 KNN分类算法 第6章 朴素贝叶斯分类算法 第7章 决策树分类算法 第8章 支持向量机分类算法 第9章 K-means聚类算法 0章 神经网络分类算法 1章 集成学习方法
本书以机器学算法为主线，深入剖析算法的概念和数学原理，以通俗形象的语言进行讲解，让读者无须储备很多数学知识，就能看懂数学公式所表达的意思，从而快速掌握机器学思想和原理。本书首先介绍机器学基本概念及工具，然后从概念、原理、Python实现、应用场景几个方面，详细剖析机器学习中的主要算法，如线性回归算法、Logistic回归算法、KNN算法、朴素贝叶斯算法、决策树算法、支持向量机算法、K-means聚类算法、神经网络、集成学习方法等。
莫凡 著
莫凡，新技术深度爱好者，曾经从事信息安全前沿技术跟踪研究和数据分析工作，在各类信息安全类技术期刊发表文章五十余篇，现转为投身高端知识“白菜化”项目，希望能让将更多听起来高大上的名词沾一沾“人间烟火”，成为日常生活中真正用得上的知识。
这是一本介绍机器学书，按常理来说，我应该首先介绍学习机器学重要性。可是，有必要我记得约五年前，机器学习还是一个很有科幻色彩的术语，而现在技术学习圈几乎整版都换成了机器学各种模型，国内很多大学已经开始设立人工智能专业，机器学习当仁不让地成为核心课程。据说相关学者已经将该知识编制成课本，即将走入中学课堂。机器学火热，连带着让长年不温不火的Python语言也借机异军突起，甚至掀起一阵Python语言的学习热潮。机器学习已经成为“技术宅”的一种必备技能，因此，实在没必要再占篇幅介绍它的重要性。但是，学习机器学路途是坎坷和颠簸的，不缺的就是让你半途而废的借口。机器学习今日的成就是站在巨人的肩膀上取得的，因此，当你终于下定决**习机器学习时，很多人会给你开出一串长长的学习清单：机器学习涉及大量向量和矩阵运算，所以线性代数是肯定要学的；机器学很多模型算法都以统计知识作为背景，所以统计学和概率论也是必修的等
