机器学习与行业应用

第1章 第四次工业革命 1.1 引言 1.1.1 工业 1.1.2 工业物联网 1.1.3 其他 战略 1.2 行业智能化 1.2.1 在组件级别上 1.2.2 在机器级别上 1.2.3 在生产级别上 1.2.4 在分销级别上 1.3 智能行业中机器学习的挑战和机遇 1.3.1 对业务的影响 1.3.2 对技术的影响 1.3.3 对人的影响 1.4 小结 第2章 机器学习 2.1 概述 2.2 基本统计 2.2.1 描述性统计 2.2.2 推理 2.3 聚类 2.3.1 层次聚类 2.3.2 k均值算法 2.3.3 谱聚类 2.3.4 近邻传播 2.3.5 概率聚类 2.4 监督分类 2.4.1 模型性能评价 2.4.2 特征子集选择 2.4.3 k近邻 2.4.4 分类树 2.4.5 规则归纳 2.4.6 人工神经网络 2.4.7 支持向量机 2.4.8 逻辑回归 2.4.9 贝叶斯网络分类器 2.4.10 元分类器 2.5 贝叶斯网络 2.5.1 贝叶斯网络的基本原理 2.5.2 贝叶斯网络推理 2.5.3 从数据中学习贝叶斯网络 2.6 利用贝叶斯网络对动态场景建模 2.6.1 数据流 2.6.2 动态、时间和连续时间贝叶斯网络 2.6.3 隐马尔可夫模型 2.7 机器学习工具 2.8 机器学习的前沿信息 第3章 机器学习在行业中的应用 3.1 能源领域 3.1.1 石油