内容简介

机器学习是人工智能的重要技术基础。本书涵盖了机器学基础知识，了机器学习常用算法，紧密结合腾讯云培训认证中心的机器学习应用工程师认证体系，主括人工智能与机器学习概念、数学基础、编程基础、数据结构与算法、分类算法、回归算法、无监督学习算法、数据获取、特征处理、模型选取与调优、模型评估等，并给出了基于腾讯TIONE平台的操作实例。全书深入浅出、案例丰富，兼具广度与深度，便于学生巩固学习，适合作为高等院校本科生或研究生机器学习、数据分析、数据挖掘等课程的教材，也可供对机器学习感兴趣并希望从事机器学习等领域相关工作的个人阅读参考。

目录

目录第1章人工智能与机器学概念11.1人工智能的定义11.2人工智能的历史21.3人工智能的技术发展61.3.1专家系统61.3.2机器学习61.3.3机器视觉71.3.4机器人技术71.3.5自然语言处理71.3.6自动化81.3.7大数据81.3.8语音识别技术81.4人工智能的应用领域91.5机器学习概述121.5.1什么是机器学习121.5.2机器学发展历程121.5.3机器学系统结构141.5.4机器学分类151.5.5机器学常见算法191.5.6机器学习应用场景21参考文献21第2章数学基础232.1高等数学232.1.1函数与极限232.1.2导数与微分282.1.3微分中值定理与导数的应用322.1.4空间解析几何和向量代数382.1.5多元函数微分法及其应用422.2线代数502.2.1矩阵及其运算502.2.2矩阵的初等变换与矩阵的秩582.2.3向量组的线相关632.2.4相似矩阵及二次型692.2.5矩阵导数的运算772.3概率论与数理统计782.3.1事件及其概率782.3.2变量及其分布842.3.3多维变量及其分布872.3.4变量的数字特征902.3.5样本及抽样分布932.3.6参数估计992.3.7假设检验1052.4本章小结112参考文献112第3章编程基础1133.1Python语法1133.1.1Python基本概述1133.1.2Python内置对象1173.1.3Python运算符和表达式1253.1.4程序控制结构1273.1.5函数1303.1.6面向对象编程1383.1.7封装、继承和多态1413.1.8运算符重载1443.1.9字符串简介1443.1.10转义字符1453.1.11字符串格式化1473.1.12字符串常用操作1493.1.13正则表达式1613.1.14文件基本操作1723.1.15目录操作（文件夹操作）1743.1.16异常处理结构1783.1.17NumPy1833.1.18pandas1853.1.19matplotlib1883.1.20Scikitlearn1903.1.21小结1933.2TensorFlow/PyTorch语法1933.2.1TensorFlow1933.2.2PyTorch1973.2.3小结202第4章数据结构与算法2034.1树2034.1.1基本概念2034.1.2二叉树的存储结构2064.1.3二叉树的遍历2084.1.4树的存储结构2104.1.5树的遍历2124.2哈希表2134.2.1基本概念2134.2.2构造哈希函数的方法2144.2.3处理冲突的方法2164.2.4哈希表优点2214.3排序2224.3.1基本概念2224.3.2简单选择排序2234.3.3简单插入排序2244.3.4冒泡排序2254.3.5快速排序2264.3.6归并排序2284.4搜索2304.4.1基本概念2304.4.2顺序搜索2314.4.3折半搜索2324.4.4二叉搜索树2344.5字符串2374.5.1基本概念2374.5.2字符串的存储结构2384.5.3正则表达式2384.6动态规划2424.6.1优化问题2424.6.2动态规划的应用场景2444.6.3动态规划算法思路2454.6.4应用实例2464.7小结250第5章机器学习算法2515.1机器学基本概念2515.1.1算法分类2515.1.2模型评价指标2525.1.3模型选择及求解问题2535.2分类2555.2.1邻算法2555.2.2决策树算法2575.2.3贝叶斯分类器2625.2.4logistic回归算法2665.2.5支持向量机算法2695.2.6森林算法2775.3回归2805.3.1线回归算法2805.3.2决策树回归算法2855.4无监督算法2875.4.1聚类算法2885.4.2维归约技术2955.5关联分析3005.5.1Apriori算法3025.5.2频繁模式树算法3025.6其他机器学习方法3055.6.1隐马尔可夫模型3055.6.2Boosting算法3155.6.3条件场3205.7深度学习相关算法3255.7.1神经网络相关概念3255.7.2深度神经网络3285.8本章小结331参考文献331第6章构建项目流程3336.1问题的定义3346.2数据收集3346.3数据预处理3356.4特征抽取3386.5模型构建及训练3396.5.1模型构建3396.5.2模型训练3406.6模型评估和优化3416.6.1模型评估3416.6.2模型优化3426.6.3选择正确的衡量标准3436.7模型部署和监控3436.7.1模型部署3436.7.2模型监控3446.7.3应用到业务中3446.8本章小结344第7章TIONE机器学习3457.1TIONE平台介绍3457.2TIONE平台操作说明3467.2.1注册与开通服务3467.2.2可视化建模界面3487.2.3新建工程与任务流3497.2.4基础操作说明3497.3使用可视化建模构建模型351第8章TIONE平台应用实例3528.1中式菜系热度预测模型3528.2猫狗图像分类352