《机器学习实践指南》PDF下载

  • 购买积分:12 如何计算积分?
  • 作  者:阿图尔.特里帕蒂
  • 出 版 社:北京:机械工业出版社
  • 出版年份:2018
  • ISBN:9787111592129
  • 页数:350 页
图书介绍:机器学习应用遍及人工智能的各个领域,是众多数学科学家需要学习的内容。本书第一部分提供了一个相当复杂的机器学习系统,以帮助读者提高其效率。第二部分重点介绍了三个不同的基于现实世界的数据的案例研究,并提供相应解决方案。全书通过知识介绍,使读者了解收集数据、准备使用数据、训练模型、评估模型的性能,以及改进模型的性能的方法;通过对实际问题解决的讲解,帮助读者获得处理机器学习问题的经验。

第1章 机器学习引言 1

1.1什么是机器学习 1

1.2分类方法概述 2

1.3聚类方法概述 2

1.4监督学习概述 3

1.5无监督学习概述 4

1.6增强学习概述 4

1.7结构化预测概述 5

1.8神经网络概述 5

1.9深度学习概述 6

第2章 分类 7

2.1引言 7

2.2判别函数分析:地下卤水地质化学测量 8

2.3多元逻辑回归:理解学生的课程计划选择 15

2.4 Tobit回归:评估学生的学术能力 20

2.5泊松回归:理解加拉帕戈斯群岛现存物种 27

第3章 聚类 38

3.1引言 38

3.2层次聚类:世界银行样本数据集 39

3.3层次聚类:1999~2010年亚马逊雨林的烧毁情况 44

3.4层次聚类:基因聚类 55

3.5二进制聚类:数学测验 68

3.6 k均值聚类:欧洲各国蛋白质消耗量 75

3.7 k均值聚类:食品 80

第4章 模型选择和正则化 86

4.1引言 86

4.2压缩方法:每天消耗的卡路里 87

4.3降维方法:Delta航空公司航空队 100

4.4主成分分析:理解世界菜肴 109

第5章 非线性 114

5.1广义加性模型:衡量新西兰的家庭收入 114

5.2平滑样条:理解汽车和速度 119

5.3局部回归:理解干旱警告和影响 129

第6章 监督学习 136

6.1引言 136

6.2决策树学习:对胸痛患者的预先医疗护理指示 137

6.3决策树学习:基于收入的房地产价值分布 145

6.4决策树学习:预测股票走势方向 154

6.5朴素贝叶斯:预测股票走势方向 170

6.6随机森林:货币交易策略 184

6.7支持向量机:货币交易策略 193

6.8随机梯度下降:成人收入 201

第7章 无监督学习 208

7.1引言 208

7.2自组织映射:可视化热图 209

7.3矢量量化:图像聚类 212

第8章 增强学习 217

8.1引言 217

8.2马尔可夫链:股票区制转移模型 218

8.3马尔可夫链:多渠道归因模型 229

8.4马尔可夫链:汽车租赁代理服务 239

8.5连续马尔可夫链:加油站的车辆服务 243

8.6蒙特卡罗模拟:校准Hull-White短期利率 247

第9章 结构化预测 257

9.1引言 257

9.2隐马尔可夫模型:欧元和美元 257

9.3隐马尔可夫模型:区制检测 263

第10章 神经网络 270

10.1引言 270

10.2为S&P 500建模 270

10.3衡量失业率 278

第11章 深度学习 292

11.1引言 292

11.2循环神经网络:预测周期信号 292

第12章 案例研究:探索世界银行数据 299

12.1引言 299

12.2探索世界银行数据 299

第13章 案例研究:再保险合同定价 316

13.1引言 316

13.2再保险合同定价 316

第14章 案例研究:用电量预测 329

14.1引言 329

14.2用电量测量 329