機(jī)器學(xué)習(xí)技術(shù)及應(yīng)用
定 價：68 元
叢書名：英特爾FPGA中國創(chuàng)新中心系列叢書
- 作者：徐宏英等
- 出版時間：2023/2/1
- ISBN：9787121449154
- 出 版 社：電子工業(yè)出版社
機(jī)器學(xué)習(xí)是人工智能的一個方向。它是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)、矩陣論、神經(jīng)網(wǎng)絡(luò)、計算機(jī)等多門學(xué)科。其目標(biāo)是使用計算機(jī)模擬或?qū)崿F(xiàn)人類學(xué)習(xí)活動，從現(xiàn)有大量的數(shù)據(jù)中學(xué)習(xí)，利用經(jīng)驗不斷改善系統(tǒng)性能。機(jī)器學(xué)習(xí)步驟一般分為獲取數(shù)據(jù)、數(shù)據(jù)預(yù)處理、建立模型、模型評估和預(yù)測。本書共6章。第1章節(jié)主要介紹機(jī)器學(xué)習(xí)的基本概念及其發(fā)展史、機(jī)器學(xué)習(xí)分類、常見機(jī)器學(xué)習(xí)算法及其特點(diǎn)；第2章搭建機(jī)器學(xué)習(xí)開發(fā)環(huán)境，主要包括anaconda\pycharm\python軟件的安裝及使用，以及常見機(jī)器學(xué)習(xí)庫的介紹和安裝使用方法；第3章介紹了監(jiān)督學(xué)習(xí)的4個經(jīng)典算法：線性回歸、決策樹、k近鄰和支持向量機(jī)算法，其重點(diǎn)在算法的應(yīng)用；第4章介紹了主成分分析降維算法、Kmeans聚類算法；第5章介紹人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，并通過房價預(yù)測和手寫數(shù)字識別實(shí)例進(jìn)行驗證；第6章介紹強(qiáng)化學(xué)習(xí)的基本概念，有模型學(xué)習(xí)和無模型學(xué)習(xí)，最后介紹了Q-Learning算法和Sarsa算法。本書由人工智能技術(shù)專業(yè)教師和英特爾FPGA中國創(chuàng)新中心的工程師們合力編寫，講解了大量的具體程序案例，涵蓋大部分機(jī)器學(xué)習(xí)算法，教師和學(xué)生可以根據(jù)應(yīng)用需求，選擇對應(yīng)的知識點(diǎn)和算法。本書所有程序均已經(jīng)在英特爾FPGA中國創(chuàng)新中心AILab實(shí)訓(xùn)平臺上驗證實(shí)現(xiàn)。本書可作為高職高專院校電子信息類相關(guān)專業(yè)教材，也可作為科技人員的參考用書。
徐宏英，女，工學(xué)碩士，重慶電子工程職業(yè)學(xué)院骨干教師，參研國家自然科學(xué)基金一項，參研省級重點(diǎn)科技攻關(guān)項目一項，主持省級教改課題一項，參研省部級項目8項，第一主編出版教材1部，發(fā)表論文10余篇，申請專利8項，指導(dǎo)學(xué)生參加全國大學(xué)生電子設(shè)計大賽獲全國二等獎1項，指導(dǎo)學(xué)生參加職業(yè)技能競賽獲全國二等獎1項，省部級電子設(shè)計大賽、職業(yè)技能大賽10余項。
第1章 機(jī)器學(xué)習(xí)介紹001
1.1 機(jī)器學(xué)習(xí)簡介002
1.1.1 機(jī)器學(xué)習(xí)的基本概念003
1.1.2 機(jī)器學(xué)習(xí)的發(fā)展歷史005
1.2 機(jī)器學(xué)習(xí)的分類及典型算法010
1.2.1 機(jī)器學(xué)習(xí)的分類010
1.2.2 監(jiān)督學(xué)習(xí)011
1.2.3 非監(jiān)督學(xué)習(xí)014
1.2.4 半監(jiān)督學(xué)習(xí)015
1.2.5 強(qiáng)化學(xué)習(xí)018
本章小結(jié)019
習(xí)題020
第2章 基于Python語言的機(jī)器學(xué)習(xí)環(huán)境搭建與配置023
2.1 機(jī)器學(xué)習(xí)相關(guān)軟件介紹024
2.1.1 機(jī)器學(xué)習(xí)開發(fā)語言024
2.1.2 機(jī)器學(xué)習(xí)開發(fā)工具028
2.2 機(jī)器學(xué)習(xí)開發(fā)環(huán)境搭建036
2.2.1 Python的安裝及使用036
2.2.2 Anaconda的安裝及使用041
2.2.3 PyCharm的安裝及使用052
2.3 常見機(jī)器學(xué)習(xí)庫函數(shù)功能介紹059
2.3.1 基礎(chǔ)科學(xué)計算庫（NumPy）059
2.3.2 科學(xué)計算工具集（Scipy）068
2.3.3 數(shù)據(jù)分析庫（Pandas）074
2.3.4 圖形繪制庫（Matplotlib）079
2.3.5 機(jī)器學(xué)習(xí)常用算法庫（Scikit-learn）080
本章小結(jié)083
習(xí)題084
第3章 監(jiān)督學(xué)習(xí)087
3.1 線性回歸算法088
3.1.1 常用損失函數(shù)089
3.1.2 最小二乘法091
3.1.3 梯度下降法092
3.1.4 線性回歸算法實(shí)例094
3.2 決策樹算法098
3.2.1 分類準(zhǔn)則099
3.2.2 ID3算法102
3.2.3 C4.5算法108
3.2.4 CART算法111
3.2.5 決策樹算法實(shí)例113
3.3 k近鄰算法116
3.3.1 k值的選取及特征歸一化117
3.3.2 kd樹120
3.3.3 k近鄰算法實(shí)例128
3.4 支持向量機(jī)算法133
3.4.1 線性可分性133
3.4.2 對偶問題136
3.4.3 核函數(shù)139
3.4.4 軟間隔142
3.4.5 支持向量機(jī)算法實(shí)例144
本章小結(jié)146
習(xí)題146
第4章 非監(jiān)督學(xué)習(xí)149
4.1 非監(jiān)督學(xué)習(xí)概述150
4.1.1 非監(jiān)督學(xué)習(xí)的基本概念150
4.1.2 非監(jiān)督學(xué)習(xí)的分類151
4.1.3 非監(jiān)督學(xué)習(xí)的特點(diǎn)152
4.1.4 非監(jiān)督學(xué)習(xí)的應(yīng)用153
4.2 主成分分析降維算法154
4.2.1 數(shù)據(jù)降維介紹154
4.2.2 PCA算法介紹155
4.2.3 PCA算法求解步驟159
4.2.4 PCA算法實(shí)例161
4.3 K-means聚類算法163
4.3.1 聚類算法簡介163
4.3.2 K-means算法介紹164
4.3.3 K-means算法求解步驟165
4.3.4 K-means算法實(shí)例170
本章小結(jié)172
習(xí)題173
第5章 人工神經(jīng)網(wǎng)絡(luò)175
5.1 人工神經(jīng)網(wǎng)絡(luò)概述176
5.1.1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程176
5.1.2 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)180
5.1.3 人工神經(jīng)網(wǎng)絡(luò)模型188
5.1.4 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用191
5.2 房價預(yù)測實(shí)例193
5.2.1 房價預(yù)測模型構(gòu)建193
5.2.2 房價預(yù)測網(wǎng)絡(luò)構(gòu)建198
5.3 手寫數(shù)字識別實(shí)例199
5.3.1 手寫數(shù)字識別簡介199
5.3.2 手寫數(shù)字識別網(wǎng)絡(luò)構(gòu)建201
本章小結(jié)203
習(xí)題203
第6章 強(qiáng)化學(xué)習(xí)205
6.1 強(qiáng)化學(xué)習(xí)概述206
6.1.1 強(qiáng)化學(xué)習(xí)的基本概念206
6.1.2 強(qiáng)化學(xué)習(xí)的發(fā)展歷史208
6.1.3 強(qiáng)化學(xué)習(xí)的分類210
6.1.4 強(qiáng)化學(xué)習(xí)的特點(diǎn)及應(yīng)用211
6.2 強(qiáng)化學(xué)習(xí)基礎(chǔ)212
6.2.1 馬爾可夫決策過程212
6.2.2 貪心算法213
6.3 有模型學(xué)習(xí)和無模型學(xué)習(xí)214
6.3.1 有模型學(xué)習(xí)214
6.3.2 無模型學(xué)習(xí)216
6.4 強(qiáng)化學(xué)習(xí)實(shí)例216
6.4.1 Q-Learning算法216
6.4.2 Sarsa算法232
本章小結(jié)242
習(xí)題243
書單推薦
