机器学习(Python版·微课视频版)
教育部高等学校计算机类教学指导委员会规划教材,提供课件、教案、大纲、程序源码和习题答案,咨询QQ:646602515(仅限教师)

作者:刘昶、余化鹏、周安然

丛书名:面向数字化时代高等学校计算机系列教材·大数据与人工智能

定价:39.8元

印次:1-1

ISBN:9787302686248

出版日期:2025.05.01

印刷日期:2025.04.24

图书责编:葛鹏程

图书分类:教材

电子书
在线购买
分享
内容简介
作者简介
前言序言
资源下载
查看详情 查看详情 查看详情

"本书理论和实践并重,强化算法思想讲解,既有理论的系统讲解、公式的详细推导,也有Python代码实现的详细讲解,同时突出独立思考、提出问题能力的培养。 全书共9章,涵盖了机器学习的基本内容,主要包括概述、离散变量与分类、连续变量与线性回归、维数灾难与降维、K均值聚类、生成模型与贝叶斯分类器、自监督与大语言模型、环境监督与强化学习、综合实验等。本书适用于本科生及研究生的课程教学。模型和算法采用Python从零实现,只依赖Python、NumPy和Matplotlib,不依赖已有的机器学习库,是学习机器学习的最小知识集。 本书可作为高等院校计算机类相关专业的“机器学习”课程教材,也可作为对机器学习感兴趣的读者的自学读物,还可作为相关行业技术人员的参考用书。 "

刘昶,教授,博士,硕士生导师,法国里昂二大和电子科技大学博士后,研究兴趣:机器学习,计算机视觉,计算神经科学。已发表科研论文32篇(其中第一作者和通讯作者20篇; SCI检索20篇,最高影响因子7.885,单篇他引28次),学术专著1部,主持国家自然科学基金青年基金和四川省科技厅应用基础面上项目各1项,主持中国博士后基金面上项目1项和四川省教育厅重点项目2项,学术著作1部,主编科普书1部,参编教材2部,获得国家发明专利授权4项,获得四川省科技厅科技进步二等奖1项

前言 党的二十大报告指出: 教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑。必须坚持科技是第一生产力、人才是第一资源、创新是第一动力,深入实施科教兴国战略、人才强国战略、创新驱动发展战略,这三大战略共同服务于创新型国家的建设。高等教育与经济社会发展紧密相连,对促进就业创业、助力经济社会发展、增进人民福祉具有重要意义。 编写本书的初心是想写一本合适的教材,应用于本校人工智能本科专业的机器学习相关课程。所谓“合适”主要体现在以下几方面。 (1) 理论和实践并重。既有理论的系统讲解、公式的详细推导,也有Python代码实现的详细讲解,基本概念紧接代码讲解。在代码讲解过程中,特别强调与理论和公式的对应,一方面是为了进一步加深对理论和公式的理解,另一方面也可以体现理论落地的过程和编码过程中需要考虑的各种因素。 (2) 模型和算法采用Python从零实现。本书只依赖Python、NumPy和Matplotlib,不依赖已有的机器学习库,是学习机器学习的最小知识集。采用最小知识集有两个显著的优点: 学生的精力可以专注于核心知识,从而减少学习负担; 从零实现机器学习算法更有利于练好基本功。 (3) 面向应用的习题和实验。以培养高水平应用型人才为导向,将丰富的应用融入课程材料(特别是习题和实验)中,切实加强学生解决实际问题能力的培养。应用实例由浅入深、丰富而有趣。一些应用反复出现,有利于不同模型之间的比较和选择。 (4) 强化算法思想讲解。通过可视化等方式讲解算法思想及其发展过程,更有利于学生对算法思想的深入理解和把握,从而进一步对其进行...

课件下载

样章下载

暂无网络资源

扫描二维码
下载APP了解更多

目录
荐语
查看详情 查看详情

目录

资源下载

第1章概述

1.1什么是机器学习

1.1.1有监督学习

1.1.2无监督学习

1.1.3自监督学习

1.1.4环境监督与强化学习

1.2机器学习的三个重要方面

1.2.1数据的表示

1.2.2模型的最优化

1.2.3模型的评估

1.3机器学习的历史与现状

1.4拓展阅读

1.5习题

第2章离散变量与分类

2.1K近邻(KNN)分类器

2.1.1KNN算法简介

2.1.2KNN算法的距离计算

2.1.3KNN算法的k值选择

2.1.4KNN算法的决策规则

2.1.5KNN算法小结

2.1.6KNN核心代码

2.1.7习题

2.2决策树

2.2.1决策树的决策过程

2.2.2决策树学习算法的基本流程

2.2.3划分属性的选择

2.2.4其他属性选取指标

2.2.5剪枝处理

2.2.6决策树的核心代码实现

2.2.7习题

2.3对数几率回归

2.3.1线性分类模型

2.3.2对数几率函数

2.3.3对数几率回归

2.3.4随机梯度下降

2.3.5与K近邻和决策树的比较

2.3.6对数几率回归的核心代码实现

2.3.7习题

2.4支持向量机

2.4.1二分类与决策面

2.4.2最大间隔分类器

2.4.3最优化问题的转换

2.4.4线性不可分的情况

2.4.5最优化问题的求解

2.4....