【资料图】

链接：/s/1O4S9bHcAggHCqG2LFcvIFg?pwd=59aw 

提取码：59aw

本书从数学知识入手，详尽细致地阐述机器学习各方面的理论知识、常用算法与流行框架，并以大量代码示例进行实践。本书内容分为三篇：第一篇为基础知识，包括机器学习概述、开发环境和常用模块、特征工程、模型评估、降维方法等内容。本篇详细而友好地介绍机器学习的核心概念与原理，并结合大量示例帮助读者轻松入门。第二篇为算法应用，涵盖机器学习最重要与高频使用的模型，包括K-Means聚类、K最近邻、回归、决策树、朴素贝叶斯、支持向量机、神经网络等内容。本篇不仅详细讲解各个算法的原理，还提供大量注释详尽的代码示例，使这些算法变得直观易懂。第三篇为拓展应用，包括集成学习、深度学习框架TensorFlow与PyTorch入门、卷积网络、激活函数以及模型微调与项目实战。本篇内容更加前沿与高级，带领读者跨过机器学习的门槛，进行真实项目的实践与部署。本书内容丰富、系统且实用，大量相关代码示例贴近实战，能够为读者学习机器学习打下扎实的基础，并真正掌握运用这些知识与算法解决实际问题的技能。适合机器学习入门者、大学生、人工智能从业者，以及各行业技术人员和科研人员使用，也可作为培训机构和大专院校人工智能课程的教学用书。

作者简介

凌峰，毕业于中国科学院大学，博士，高级职称，从事机器学习、人工智能、图像处理、计算视觉的研究与开发工作多年，拥有丰富的机器学习算法实现经验。

目录

第1篇基础知识第1章机器学习概述1．1机器学习的定义与发展历史1．1．1什么是机器学习1．1．2发展历史1．2应用领域1．3应用前景1．4小结第2章基础知识2．1概念与术语2．1．1统计学的基本概念2．1．2拟合、过拟合和欠拟合2．2高等数学基础2．3线性代数基础2．3．1基本概念和符号……

查看全部↓

关键词：