作品简介

全书分为准备篇、基础篇、统计分析实战和机器学习实战篇。由于目前出版的机器学习大多偏重理论,这对机器学习类书籍的读者带来了极大的挑战,抽象的理论加上成堆的数学公式将大量渴求学习的人们挡在了门外。针对这种情况,本书力求理论联系实际,对理论基础进行一定的介绍,注重机器学习算法的实际运用,让读者明白其中原理,而对机器学习算法涉及的深层数学知识及其复杂的数学推导在本书中涉及较少。

麦好,计算机专业工程硕士,目前从事智能计算与算法分析工作。先后就职于多家软件科技公司、电子科技公司,是中国青年海归协会和中国量化投资学会山西分会成员。实战经验丰富,擅长使用C、C++、Python、Perl、汇编等语言,参与过信息系统核心中间件的研发、海外社区插件及服务器脚本研发、垂直搜索引擎与文本分析系统的算法设计、通信系统的信息隐藏技术研发、视频服务与点播系统的研发、基于汇编的系统底层设计等,有十余年架构设计及算法设计经验,近期关注分布式计算、机器视觉、仿生智能、生物计算、商业智能。

作品目录

  • 推荐序
  • 前言
  • 第一部分 准备篇
  • 第1章 机器学习发展及应用前景
  • 1.1 机器学习概述
  • 1.2 机器学习应用前景
  • 1.3 小结
  • 第2章 科学计算平台
  • 2.1 科学计算软件平台概述
  • 2.2 计算平台的配置
  • 2.3 小结
  • 第二部分 基础篇
  • 第3章 计算平台应用实例
  • 3.1 Python计算平台简介及应用实例
  • 3.2 R语言基础
  • 3.3 R语言科学计算
  • 3.4 R语言计算实例
  • 3.5 小结
  • 思考题
  • 第4章 生产环境基础
  • 4.1 Windows Server 2008基础
  • 4.2 Linux基础
  • 4.3 Vim编辑器
  • 4.4 虚拟化平台
  • 4.5 Linux环境下的NumPy安装
  • 4.6 Linux环境下的R运行环境
  • 4.7 PyPy编译器
  • 4.8 小结
  • 思考题
  • 第三部分 统计分析实战篇
  • 第5章 统计分析基础
  • 5.1 数据分析概述
  • 5.2 数学基础
  • 5.3 回归分析
  • 5.4 数据分析基础
  • 5.5 数据分布分析
  • 5.6 小结
  • 思考题
  • 第6章 描述性分析案例
  • 6.1 数据图形化案例解析
  • 6.2 数据分布趋势案例解析
  • 6.3 正态分布案例解析
  • 6.4 多变量分析
  • 6.5 小结
  • 思考题
  • 第7章 假设检验与回归模型案例
  • 7.1 假设检验
  • 7.2 回归模型
  • 7.3 小结
  • 思考题
  • 第四部分 机器学习实战篇
  • 第8章 机器学习算法
  • 8.1 神经网络
  • 8.2 统计算法
  • 8.3 欧氏距离
  • 8.4 余弦相似度
  • 8.5 SVM
  • 8.6 回归算法
  • 8.7 PCA降维
  • 8.8 关联规则
  • 8.9 自动分类
  • 8.10 小结
  • 思考题
  • 第9章 数据拟合案例
  • 9.1 数据拟合
  • 9.2 线性滤波
  • 9.3 数据或曲线平滑
  • 9.4 小结
  • 思考题
  • 第10章 图像算法案例
  • 10.1 图像边缘算法
  • 10.2 图像匹配
  • 10.3 图像分类
  • 10.4 高斯噪声生成
  • 10.5 二值化
  • 10.6 插值与缩放
  • 10.7 仿射
  • 10.8 透视投影与透视变换
  • 10.9 灰度变换与图像增强
  • 10.10 图像滤波与除噪
  • 10.11 小结
  • 思考题
  • 第11章 机器视觉案例
  • 11.1 人脸辨识
  • 11.2 手写数字识别
  • 11.3 运动侦测
  • 11.4 形状检测
  • 11.5 小结
  • 思考题
  • 第12章 文本分类案例
  • 12.1 文本分类概述
  • 12.2 余弦相似度分类
  • 12.3 朴素贝叶斯分类
  • 12.4 自然语言处理
  • 12.5 小结
  • 思考题
展开全部