数据分析及实现

第1章 数据分析概述 1.1 数据分析的背景 1.2 数据的类型 1.3 数据集的使用 参考文献 第2章 数据可视化 2.1 数据可视化简介 2.2 数据可视化网络工具 2.3 数据可视化案例 参考文献 第3章 数据分析与优化 3.1 模型与优化目标 3.2 梯度下降算法 3.3 过拟合与欠拟合 参考文献 第4章 特征工程 4.1 数据预处理 4.2 特征选择 4.3 特征降维 参考文献 第5章 无监督学习 5.1 系统 5.2 K均值聚类 5.3 谱聚类 5.4 EM算法 5.5 变分自编码 参考文献 第6章 监督学习 6.1 朴素贝叶斯分类 6.2 感知器 6.3 支持向量机 6.4 深度学习分类 参考文献 第7章 深度学习的鲁棒性 7.1 神经网络的脆弱性 7.2 攻击扰动的构造 7.3 对抗训练防御 7.4 基于分类器改进的防御方法 7.5 总结 参考文献 附录A 开发框架的安装与使用 A.1 PyTorch CPU版本的安装 A.2 PyTorch GPU版本的优势及安装 A.3 开发界面 参考文献 附录B 神经网络 B.1 全连接网络与反向传播算法 B.2 卷积神经网络 B.3 循环神经网络 参考文献