首页 > 图书中心 > 商业图书 > 金融投资

机器学习原理及应用-殷志浩

机器学习原理及应用

丛书名:特许全球金融科技师系列教材(一级)
著(译)者:殷志浩
资源下载:
责任编辑:袁敏
字       数:273千字
开       本:16 开
印       张:11.5
出版版次:1
出版年份:2021-08-31
书       号:978-7-5642-3695-3/F.3695
纸书定价:55.00元   教师会员可用500积分申请样书

本书介绍机器学习的基本概念、算法模型和应用案例。作为计算机科学的一个分支,人工智能主要研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统,涉及机器人、语音识别、图像识别、自然语言处理和专家系统等方向。 本书包括引言、基础知识、基于知识的系统、高级专题以及现在和未来五部分内容。 本书系统、全面地涵盖了人工智能的相关知识,既简明扼要地介绍了这一学科的基础知识,也对自然语言处理、自动规划、神经网络等内容进行了拓展,更辅以实例,可以帮助读者扎扎实实打好基础。

  • 本书介绍机器学习的基本概念、算法模型和应用案例。

    作为计算机科学的一个分支,人工智能主要研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统,涉及机器人、语音识别、图像识别、自然语言处理和专家系统等方向。

    本书包括引言、基础知识、基于知识的系统、高级专题以及现在和未来五部分内容。

    本书系统、全面地涵盖了人工智能的相关知识,既简明扼要地介绍了这一学科的基础知识,也对自然语言处理、自动规划、神经网络等内容进行了拓展,更辅以实例,可以帮助读者扎扎实实打好基础。









  • 目 录。
    第一章 机器学习基础…………………………………………………………… 。
    1。
    第一节 什么是机器学习? …………………………………………………………… 。
    1。
    第二节 贝叶斯统计推断 ……………………………………………………………… 。
    6。
    第三节 优化简介 ……………………………………………………………………… 。
    10。
    第四节 优化简介:更多介绍…………………………………………………………… 。
    15。
    第五节 机器学习理论基础 …………………………………………………………… 。
    21。
    第六节 K-近邻 ………………………………………………………………………… 。
    26。
    第七节 朴素贝叶斯。
    NaiveBayes。
    …………………………………………………… 。
    31。
    第八节 衡量分类问题好坏的统计指标 ……………………………………………… 。
    35。
    第九节 用于模型选择的交叉验证方法:正则化……………………………………… 。
    41。
    第二章 逻辑回归、树模型和集成学习 …………………………………… 。
    48。
    第一节 逻辑回归 ……………………………………………………………………… 。
    48。
    第二节 特征选择、文本统计处理……………………………………………………… 。
    55。
    第三节 图像识别 ……………………………………………………………………… 。
    59。
    第四节 决策树、基尼不纯度…………………………………………………………… 。
    65。
    第五节 熵、决策树的建立……………………………………………………………… 。
    70。
    第六节 决策树:模型参数……………………………………………………………… 。
    73。
    第七节 回归树 ………………………………………………………………………… 。
    77。
    第八节 集成学习:随机森林…………………………………………………………… 。
    85。
    第九节 集成学习:GBM,XGBoost…………………………………………………… 。
    88。
    第三章 支持向量机、无监督学习…………………………………………… 。
    94。
    第一节 支持向量机:线性分类………………………………………………………… 。
    94。
    第二节 软边际、和逻辑回归的比较…………………………………………………… 。
    99。
    第三节 支持向量机:非线性和核函数 ……………………………………………… 。
    104。
    第四节 支持向量机:几何解释 ……………………………………………………… 。
    109。
    第五节 无监督学习:降维、主成分分析。
    PCA。
    …………………………………… 。
    113。
    第六节 特征降维在监督学习中的应用……………………………………………… 。
    117。
    第七节 无监督学习:聚类 …………………………………………………………… 。
    123。
    第四章 神经网络和深度学习 ……………………………………………… 。
    129。
    第一节 神经网络:从逻辑回归到 MLP …………………………………………… 。
    129。
    第二节 激活函数……………………………………………………………………… 。
    133。
    第三节 目标损失函数、反向传播 …………………………………………………… 。
    138。
    第四节 多层感知器例子……………………………………………………………… 。
    141。
    第五节 Keras/TensorFlow和神经网络 …………………………………………… 。
    145。
    第六节 深度学习中的优化…………………………………………………………… 。
    150。
    第七节 卷积神经网络CNN ………………………………………………………… 。
    153。
    第八节 卷积神经网络在图像处理中的应用………………………………………… 。
    158。
    第九节 循环神经网络RNN ………………………………………………………… 。
    164。
    第十节 循环神经网络LSTM ……………………………………………………… 。
    168。
    第十一节 LSTM 在自然语言处理中的应用 ……………………………………… 。
    171。

版权所有(C)2023 开云网页版版权所有   沪ICP备12043664号-2   沪公网安备31009102000068号

联系我们 | 网站地图 | 法律声明 | 友情链接 | 盗版举报 | 人才招聘