本書介紹機器學習開發(fā)方法,工具及應用相關知識,全書由6章組成,第1章主要介紹機器學習的基本概念、分類等;第2 章主要介紹機器學習開發(fā)架構、開發(fā)步驟;第 3 章 ~第5 章主要介紹機器學習的開發(fā)工具,包括 Python、NumPy、 Pandas、Scikit-learn、TensorFlow;第6章主要介紹機器學習相關的 10 個實驗,包括線性回歸、決策樹、人工神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡等。 本書適合作為高等院校人工智能專業(yè),計算機專業(yè),智能機器人專業(yè),智能芯片專業(yè)及其他智能相關專業(yè)課程教材,也可作為人工智能應用、開發(fā)人員的參考用書。
①實用性∶本書涉及機器學習的核心實用技術,如 Python、Scikit-learn、NumPy、 Pandas 、TensorFlow 等,可使讀者通過本書的學習掌握機器學習實用技術。
②操作性∶本書主要講解如何利用機器學習開發(fā)工具進行實際開發(fā),培養(yǎng)讀者的動手能力,內(nèi)容具備可操作性。③趣味性∶本書包含的所有實驗均具有實際的應用背景,可引起讀者對應用的興趣,提高讀者的學習積極性。
近些年人工智能發(fā)展火熱,已經(jīng)滲透到各行各業(yè),正在改變著人們的工作和生活方式,同時被認為將促進整個社會的發(fā)展。機器學習是一種從數(shù)據(jù)當中發(fā)現(xiàn)復雜規(guī)律,并且利用規(guī)律對未來時刻、未知狀況進行預測和判定的方法。機器學習被認為是當前有可能實現(xiàn)人工智能的方法,大數(shù)據(jù)+機器學習使得機器學習算法從數(shù)據(jù)中發(fā)現(xiàn)的規(guī)律越來越普適。
從廣義上講,機器學習是種能夠賦予機器學習能力,使其實現(xiàn)直接編程無法實現(xiàn)的功能的方法。從實踐的意義上講,機器學習是一種通過利用數(shù)據(jù)訓練出模型,然后使用模型預測的方法。
機器學習是現(xiàn)階段解決眾多人工智能問題的主流方法,作為一個獨立的方向,正處于高速發(fā)展中。早的機器學習算法可以追溯到20 世紀初,至今已經(jīng)發(fā)展了100多年。經(jīng)過一代又一代人的努力,機器學習誕生出了大量經(jīng)典的方法。
與當前市場上更多關注理論性介紹的機器學習教材不同,本書以機器學習的開發(fā)為特色,注重實踐應用,包括開發(fā)方法、開發(fā)工具、開發(fā)應用等內(nèi)容。本書中包含的所有實驗,均以南京飛靈智能科技有限公司開發(fā)的機器學習平臺為支撐進行開發(fā)。
本書特色
①實用性∶本書涉及機器學習的核心實用技術,如 Python、Scikit-learn、NumPy、 Pandas 、TensorFlow 等,可使讀者通過本書的學習掌握機器學習實用技術。
②操作性∶本書主要講解如何利用機器學習開發(fā)工具進行實際開發(fā),培養(yǎng)讀者的動手能力,內(nèi)容具備可操作性。
③趣味性∶本書包含的所有實驗均具有實際的應用背景,可引起讀者對應用的興趣,提高讀者的學習積極性。
本書內(nèi)容
本書內(nèi)容共由6章組成。
第1章為機器學習基礎介紹,主要介紹了機器學習的基本概念、分類、內(nèi)容,同時介紹了機器學習的評價指標,可讓讀者對機器學習有宏觀的了解。
第2章為機器學習開發(fā)方法,包括機器學習開發(fā)架構與機器學習開發(fā)步驟兩部分內(nèi)容,重點讓讀者了解如何在機器學習理論算法的基礎上與計算機相結合。進行模型開發(fā)。
第3章為 Python 基礎及機器學習軟件包,介紹了Python 的基礎知識,并介紹了常用的機器學習軟件包,如 NumPy、Pandas、Matplotlib,為機器學習的開發(fā)打下堅掌基礎。
潘志松:陸軍工程大學指揮控制工程學院,教授,博士生導師。2011年在美國亞利桑那州立大Biodesign研究院工作一年。主要研究方向為模式識別與機器學習、智能技術的網(wǎng)絡安全應用。主持國家自然科學基金、江蘇省基金、科技部重點研發(fā)計劃、軍委科技委基礎加強和前沿創(chuàng)新項目、軍口863項目、十二五十三五軍隊預先研究項目、軍隊重點型號研制項目等數(shù)十項,在國內(nèi)外期刊和國際會議上發(fā)表論文五十余篇,也是多個國內(nèi)外期刊會議的審稿人,30余篇被SCI檢索,F(xiàn)任江蘇省模式識別與人工智能專委會的常務委員,2012年入選江蘇省333工程第三層次人才,2017年獲江蘇省六大人才高峰資助,榮立三等功1次,獲軍隊科技進步獎一等獎1項,二等獎1項,三等獎8項。
第1章機器學習基礎介紹1
1.1 機器學習簡介1
1.2 機器學習的作用5
1.3 機器學習的分類10
1.4 機器學習的內(nèi)容11
1.5 深度學習的內(nèi)容19
1.6 機器學習的評價指標24
習題1… 27
第2章 機器學習開發(fā)方法28
2.1 機器學習開發(fā)架構28
2.2 機器學習開發(fā)步驟30
習題2 … 40
第3章Python 基礎及機器學習軟件包41
3.1 Python 簡介41
3.2 基本數(shù)據(jù)類型和運算42
3.3 容器45
3.4 分支和循環(huán)52
3.5 函數(shù)和類54
3.6 文件操作58
3.7 錯誤與異常63
3.8 Python 庫引用67
3.9 NumPy簡介69
3.10 Pandas簡介76
3.11 Matplotlib 簡介84
習題3 92
第4章 機器學習工具Scikit-learn等相關工具包93
4.1 線性回歸算法及 應用93
4.3 支持向量機算法及應用
4.4 樸素貝葉斯算法及應用113
4.5 聚類算法及應用
4.6 神經(jīng)網(wǎng)絡算法及應用133
4.7 Apriori 關聯(lián)學習