简介
本书介绍机器学习经典算法的原理、实现及应用，并通过综合案例讲解如何将实际问题转换为机器学习能处理的问题进行求解。本书配套源码、PPT课件、习题答案、开发环境与QQ群答疑。 本书共分14章。内容包括k近邻算法、朴素贝叶斯、聚类、EM算法、支持向量机、决策树、线性回归、逻辑回归、BP神经网络经典算法，以及垃圾邮件分类、手写数字识别、零售商品销售量分析与预测、个性化推荐等综合案例。本书算法首先给出了数学原理及公式推导过程，然后给出算法实现，最后所有算法及案例均以Python实现，方便读者在动手编程中理解机器学习的经典算法。 本书适合Python机器学习初学者、机器学习开发人员和研究人员使用，也可作为高等院校计算机、软件工程、大数据、人工智能等相关专业的本科生、研究生学习人工智能、机器学习的教材。
编辑推荐
本书理论与实践并重，通过数学公式推导过程揭示算法背后的数学原理，从贴近生活的案例验证算法的有效性。 本书讲解经典的机器学习算法，每个算法除了数学公式推导，还利用Python中基本的列表、数组和调用机器学习常用工具包两种方式给出算法实现。 本书以西瓜分类、是否相亲、垃圾邮件分类等贴近生活的实例分析每个算法的思想、推导过程、实现及应用，内容讲解通俗易懂，每个算法有完整实现。 本书案例丰富，每一章的算法均提供了相应的案例以验证算法分类、聚类或回归的效果，最后以垃圾邮件分类、手写数字识别、零售商品销售分析预测、个性化推荐为例讲解如何将生活中的具体问题抽象成机器学习中的分类、回归问题进行解决，并理解、掌握机器学习处理问题的方法、步骤。
更多出版物信息
- 版权： 清华大学出版社
- 出版： 2022-09-01
- 更新： 2023-11-24
- 书号：9787302612605
- 中图：TP312PY;TP181
- 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
