前言
第1章機器學(xué)習概述
11人工智能與機器學(xué)習
12機器學(xué)習的概念
121機器學(xué)習的定義
122機器學(xué)習發(fā)展史
123機器學(xué)習分類
13機器學(xué)習工具
131Python語言
132第三方工具庫
133編譯環(huán)境
134庫的下載與安裝
14機器學(xué)習示例
141自動駕駛
142機器翻譯
143游戲中的人工智能
15本章小結(jié)
16延伸閱讀——大數(shù)據(jù)背景下的機器學(xué)習算法
17習題
第2章機器學(xué)習基本理論
21機器學(xué)習術(shù)語
211基本概念
212過擬合與欠擬合
213模型評估
22實驗估計方法
221留出法
222交叉驗證法
223自助法
23性能度量
231錯誤率與精度
232查準率、查全率與F1
233ROC與AUC
24比較檢驗
241假設(shè)檢驗
242交叉驗證
25參數(shù)調(diào)優(yōu)
251網(wǎng)格搜索
252隨機搜索
253貝葉斯優(yōu)化算法
26本章小結(jié)
27延伸閱讀——機器學(xué)習應(yīng)用于我國海外投資效率預(yù)警
28習題
第3章K-近鄰
31算法原理
32距離度量方法
33搜索優(yōu)化方法
331k-d樹
332球樹
34算法實現(xiàn)
35本章小結(jié)
36延伸閱讀——機器學(xué)習在國產(chǎn)芯片上的應(yīng)用
37習題
第4章貝葉斯
41貝葉斯方法概述
411貝葉斯公式
412貝葉斯決策理論
413極大似然估計
42樸素貝葉斯算法
421高斯樸素貝葉斯算法
422多項式樸素貝葉斯算法
423伯努利樸素貝葉斯算法
43半樸素貝葉斯算法
44貝葉斯網(wǎng)絡(luò)算法
441貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)
442貝葉斯網(wǎng)絡(luò)學(xué)習算法
443貝葉斯網(wǎng)絡(luò)推斷
45EM算法
46本章小結(jié)
47延伸閱讀——機器學(xué)習在智能駕駛上的應(yīng)用
48習題
第5章線性模型
51線性回歸
511簡單線性回歸
512多變量線性回歸
513梯度下降法
514多項式回歸
52邏輯回歸
521二分類邏輯回歸
522多分類邏輯回歸
53模型正則化
54本章小結(jié)
55延伸閱讀——云計算與機器學(xué)習
56習題
第6章支持向量機
61算法概述
62線性可分支持向量機及其對偶算法
63線性支持向量機
64非線性支持向量機
65支持向量機回歸
651線性支持向量機回歸
652非線性支持向量機