數(shù)據(jù)科學(xué)：機(jī)器學(xué)習(xí)如何數(shù)據(jù)掘金

定　價(jià)：￥69.80

作　者：	龔超，畢樹人，楊華
出版社：	化學(xué)工業(yè)出版社
叢編項(xiàng)：	人工智能超入門叢書
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787122425164	出版時(shí)間：	2023-04-01	包裝：	平
開本：		頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　“人工智能超入門叢書”致力于面向人工智能各技術(shù)方向零基礎(chǔ)的讀者，內(nèi)容涉及數(shù)據(jù)思維、數(shù)據(jù)科學(xué)、視覺(jué)感知、情感分析、搜索算法、強(qiáng)化學(xué)習(xí)、知識(shí)圖譜、專家系統(tǒng)等方向，體系完整、內(nèi)容簡(jiǎn)潔、文字通俗，綜合介紹人工智能相關(guān)知識(shí)，并輔以程序代碼解決問(wèn)題，使得零基礎(chǔ)的讀者快速入門。本書是“人工智能超入門叢書”的一個(gè)分冊(cè)，以機(jī)器學(xué)習(xí)為主線，介紹如何利用機(jī)器學(xué)習(xí)進(jìn)行數(shù)據(jù)分析。全書內(nèi)容共分7章，主要包括機(jī)器學(xué)習(xí)基本概念、數(shù)據(jù)分析相關(guān)基礎(chǔ)知識(shí)、機(jī)器學(xué)習(xí)解決四類問(wèn)題（回歸問(wèn)題、分類問(wèn)題、聚類問(wèn)題、降維問(wèn)題）的算法、神經(jīng)網(wǎng)絡(luò)相關(guān)知識(shí)，并在附錄中對(duì)Python編程基礎(chǔ)知識(shí)、數(shù)據(jù)相關(guān)數(shù)學(xué)知識(shí)以及Python實(shí)驗(yàn)室Jupyter Lab的使用進(jìn)行了介紹。本書面向在人工智能方向零基礎(chǔ)的讀者，內(nèi)容全面系統(tǒng)，語(yǔ)言通俗易懂，配合典型程序操作練習(xí)，簡(jiǎn)單易上手，能夠幫助讀者輕松認(rèn)識(shí)和理解人工智能核心技術(shù)。本書可以作為大學(xué)生以及想要走向人工智能工作崗位的技術(shù)人員的入門讀物，也可作為青少年人工智能相關(guān)技術(shù)方向的課程教材，同時(shí)也可作為技術(shù)普及讀物供對(duì)人工智能技術(shù)感興趣的讀者閱讀。

作者簡(jiǎn)介

　　無(wú)

圖書目錄

第1章　機(jī)器“學(xué)習(xí)” 001 1.1　數(shù)據(jù)科學(xué)、人工智能與機(jī)器學(xué)習(xí) 002 1.1.1　數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí) 002 1.1.2　人工智能≠機(jī)器學(xué)習(xí)≠深度學(xué)習(xí) 005 1.2　機(jī)器學(xué)習(xí)概述 011 1.2.1　機(jī)器學(xué)習(xí)是什么 011 1.2.2　機(jī)器學(xué)習(xí)學(xué)什么 018 1.3　數(shù)據(jù)素養(yǎng) 021 1.3.1　何為數(shù)據(jù)素養(yǎng) 021 1.3.2　數(shù)據(jù)素養(yǎng)的維度劃分 023 第2章　數(shù)據(jù)基礎(chǔ) 025 2.1　先利其器 026 2.2　科學(xué)計(jì)算 029 2.2.1　向量與矩陣生成 029 2.2.2　向量與矩陣運(yùn)算 035 2.3　數(shù)據(jù)分析 040 2.3.1　Series與DataFrame 040 2.3.2　文件的導(dǎo)入與處理 044 2.4　數(shù)據(jù)可視 047 2.4.1　基本圖形 047 2.4.2　畫圖點(diǎn)睛 052 第3章　回歸問(wèn)題 057 3.1　什么是回歸問(wèn)題 058 3.1.1　回歸分析概述 058 3.1.2　最小二乘法 060 3.2　線性回歸 061 3.2.1　一元線性回歸 061 3.2.2　多元線性回歸 069 3.3　進(jìn)階：可視化 075 第4章　分類問(wèn)題 078 4.1　什么是分類問(wèn)題 079 4.2　近朱者赤近墨者黑的k近鄰 079 4.2.1　k近鄰算法基本原理 079 4.2.2　k近鄰算法實(shí)踐 085 4.3　通過(guò)熵解決分類的決策樹 087 4.3.1　決策樹與信息熵 087 4.3.2　決策樹案例與實(shí)踐 090 4.4　進(jìn)階：距離 098 第5章　聚類問(wèn)題 100 5.1　什么是聚類 101 5.2　K均值聚類 103 5.2.1　K均值聚類原理 103 5.2.2　K均值聚類實(shí)踐 109 5.3　系統(tǒng)聚類 113 5.3.1　系統(tǒng)聚類原理 113 5.3.2　系統(tǒng)聚類實(shí)踐 118 5.4　進(jìn)階：再談距離 120 第6章　降維問(wèn)題 122 6.1　什么是降維問(wèn)題 123 6.2　主成分分析 124 6.2.1　主成分分析原理 124 6.2.2　主成分分析實(shí)踐 126 6.3　奇異值分解 131 6.3.1　奇異值分解原理 131 6.3.2　奇異值分解實(shí)踐 133 6.4　進(jìn)階：特征值與特征向量 136 第7章　神經(jīng)網(wǎng)絡(luò) 141 7.1　從神經(jīng)元到感知機(jī) 142 7.1.1　從生物神經(jīng)元到人工神經(jīng)元 142 7.1.2　從單層感知機(jī)到多層感知機(jī) 146 7.2　神經(jīng)網(wǎng)絡(luò)的運(yùn)行原理 150 7.2.1　結(jié)構(gòu)概述 150 7.2.2　前向傳播 151 7.2.3　反向傳播 155 7.3　神經(jīng)網(wǎng)絡(luò)的參數(shù)說(shuō)明與實(shí)踐 156 7.3.1　參數(shù)與超參數(shù) 156 7.3.2　解決分類與回歸問(wèn)題 158 7.4　進(jìn)階：反向傳播推導(dǎo) 163 附錄A　Python基礎(chǔ) 166 A.1　運(yùn)算符 167 A.1.1　基本算術(shù)運(yùn)算符與數(shù)值型 167 A.1.2　關(guān)系運(yùn)算符、邏輯運(yùn)算符與布爾型 168 A.2　字符串與數(shù)據(jù)結(jié)構(gòu) 170 A.2.1　字符串 170 A.2.2　列表 171 A.2.3　元組 172 A.2.4　字典 173 A.3　控制結(jié)構(gòu) 174 A.3.1　if語(yǔ)句 174 A.3.2　while語(yǔ)句 175 A.3.3　for語(yǔ)句 176 A.3.4　多重循環(huán) 177 A.4　定義函數(shù) 178 附錄B　導(dǎo)數(shù)與代數(shù)基礎(chǔ) 179 B.1　導(dǎo)數(shù) 180 B.2　向量 183 B.3　矩陣 189 附錄C　騰訊扣叮Python實(shí)驗(yàn)室：Jupyter Lab使用說(shuō)明 196