机器学习简明教程:基于Python语言实现

目录
前言
第1章概述
1.1理解机器学习
1.2一些相关的概念
1.3机器学习的发展
1.4机器学习开发的准备工作
1.5本章小结
1.6习题
第2章基础知识
2.1线性代数
2.2概率与统计
2.3优化
2.4Python编程基础
2.5本章小结
2.6习题
第3章回归分析
3.1模型
3.2线性回归模型应用
3.3逻辑回归
3.4本章小结
3.5习题
第4章基于距离的算法
4.1分类与聚类的区别
4.2距离度量问题
4.3K近邻算法
4.4K均值聚类算法
4.5本章小结
4.6习题
第5章决策树
5.1初识决策树
5.2信息熵与信息增益
5.3决策树
5.4CART
5.5本章小结
5.6习题
第6章弱学习器集成算法
6.13种常用的弱学习器集成方法
6.2AdaBoost算法与GBDT算法
6.3XGBoost算法
6.4本章小结
6.5习题
第7章支持向量机
7.1支持向量机的相关概念
7.2线性支持向量机
7.3非线性支持向量机
7.4软间隔
7.5应用案例
7.6本章小结
7.7习题
第8章人工神经网络
8.1人工智能的概念
8.2神经元模型
8.3多层神经网络
8.4应用案例
8.5本章小结
8.6习题
第9章卷积神经网络
9.1人类视觉系统的启发
9.2CNN算法原理
9.3CNN应用
9.4本章小结
9.5习题
第10章用于处理时间序列的网络
10.1序列
10.2循环神经网络
10.3长短时记忆网络
10.4本章小结
10.5习题
参考文献