人工智能算法分析

第1章 绪论 1.1 人类的学习与机器的学习 1.1.1 人类的学习 1.1.2 机器的学习 1.2 机器学习与机器智能 1.2.1 机器学习的概念 1.2.2 机器学习如何实现机器智能 1.3 机器学习的发展历程 1.4 机器学习的类型 1.5 机器学习的主要方法 1.6 机器学习的主要算法 1.6.1 传统机器学习算法 1.6.2 新型机器学习算法 1.7 机器学习的典型应用与发展趋势 1.7.1 机器学习的典型应用 1.7.2 机器学习的发展趋势 1.8 如何阅读本书 总结 习题 第2章 机器学习经典分类算法 2.1 回归算法 2.1.1 基本形式 2.1.2 线性回归 2.1.3 逻辑回归 2.1.4 线性回归案例分析 2.1.5 逻辑回归案例分析 2.2 决策树算法 2.2.1 树形决策过程 2.2.2 训练算法 2.2.3 案例分析 2.3 支持向量机 2.3.1 线性分类器 2.3.2 支持向量机原理 2.3.3 案例分析 2.4 kNN算法 2.4.1 基本概念 2.4.2 预测算法 2.4.3 距离定义 2.4.4 案例分析 2.5 贝叶斯算法 2.5.1 贝叶斯决策 2.5.2 朴素贝叶斯分类器 2.5.3 正态贝叶斯分类器 2.5.4 案例分析 总结 习题 第3章 机器学习经典聚类及集成与随机森林算法 3.1 k-means算法 3.1.1 相似性的度量 3.1.2 k-means算法原理