简介
本书以任务为导向,讨论了机器学习和深度学习的主要问题,包括聚类、回归、分类、标注、降维、特征工程、超参数调优、序列决策(强化学习)和对抗攻击等。书中对上述每个问题,分别从决策函数类模型、概率类模型和神经网络类模型三个角度来讨论具体的实现算法。 本书在内容上兼顾基础知识和应用实践。总体上,以基本理论知识为主线,逐步展开,从概念入手,逐步讨论算法思想,着重考虑知识的关联性,最后落实到机器学习扩展库和深度学习框架的具体应用。具体到每个模型,采用以示例入手、逐渐深入的方式,尽量给出详尽的分析或推导。 本书的特点是主要通过示例来讨论相关模型,适合初学者入门使用。本书示例代码采用Python 3程序设计语言编写。传统机器学习算法的应用示例主要以ScikitLearn机器学习扩展库来实现,隐马尔可夫模型示例用hmmlearn扩展库来实现,条件随机场模型示例用CRF++工具来实现。深度学习算法的示例采用TensorFlow 2框架和MindSpore框架来实现。 本书适合计算机、人工智能及相关专业的学生使用,对于相关技术研究人员也有参考价值。
编辑推荐
本书的特点是主要通过示例来讨论传统机器学习模型、深度学习模型和强化学习模型,更加适合初学者入门使用。有详细的代码解读和案例说明,本书的内容全面,可供入门学习和工程参考使用。
更多出版物信息
- 版权: 清华大学出版社
- 出版: 2022-07-01
- 更新: 2023-06-19
- 书号:9787302606659
- 中图:TP181-43;TP311.561-43
- 学科:工学控制科学与工程工学计算机科学与技术工学软件工程交叉学科智能科学与技术