基本信息

书名:机器学习算法与应用（21世纪经济管理新形态教材·大数据与信息管理系列）

定价：68元

作者:唐晨,付树军,徐岩

出版社：清华大学出版社

出版日期：2022-08-01

ISBN：9787302586142

字数：514000

页码：368

版次：

装帧：平装

开本：16开

商品重量：

内容提要

《机器学习算法与应用》主要内容包括机器学习中的相关数学基础（线性代数、概率统计与信息论、z优化方法和张量分析），样本数据的处理，机器学习的各种主流算法，基于MATLAB的机器学习算法的实现与机器学习综合应用，机器学习和深度学习的工程应用。本书特色是深入浅出，自成体系，注重基础理论的描述，具有系统性、完整性、可阅读性、应用性和前瞻性。本书可作为高等院校研究生和本科生机器学习相关课程的教材，还可作为与人工智能相关机构研究人员的参考书。

目录

目 录
章 绪论 1
1.1 机器学习的定义 1
1.2 机器学习的种类 1
1.3 机器学习的应用 5
1.4 网上公开的部分机器学习数据库 9
部分 机器学习中的数学基础
第 2 章 线性代数 13
2.1 标量、向量、矩阵和张量 13
2.2 矩阵的运算 14
2.3 特殊矩阵 16
2.4 线性空间、线性相关和线性变换 16
2.5 内积与范数 17
2.6 矩阵分解 19
2.7 Moore-Penrose 伪逆 20
2.8 MATLAB 函数和示例 21
第 3 章 概率统计与信息论 24
3.1 随机事件及其概率 24
3.2 随机变量及其概率分布 25
3.3 边缘概率与条件概率 27
3.4 独立性、全概率公式和贝叶斯公式 28
3.5 随机变量的数字特征 29
3.6 常用概率分布 30
3.7 数理统计基础 33
3.8 统计推断 35
3.9 信息论 37
3.10 MATLAB 函数和示例 38
第 4 章 化方法 41
4.1 拉格朗日乘子法与 KKT 条件 41
4.2 梯度下降法和共轭梯度法 45
4.3 牛顿法和拟牛顿法 48
4.4 坐标下降法 50
4.5 启发式智能优化算法 51
4.6 基于 MATLAB 的优化求解 54
第 5 章 张量分析 57
5.1 基本概念与运算 57
5.2 张量的经典分解 60
5.3 张量奇异值分解 64
5.4 MATLAB 函数与示例 65
第二部分 样本数据的处理
第 6 章 核（Kernel）方法 71
6.1 核函数引入 71
6.2 正定核函数 74
6.3 正定核函数的等价定义 74
6.4 常用的核函数及其 MATLAB 实现 76
第 7 章 主成分分析（PCA）与核主成分分析（KPCA） 79
7.1 算法定义 79
7.2 算法原理 79
7.3 KPCA 84
7.4 举例 86
第 8 章 线性判别分析（LDA）与核线性判别分析（KLDA） 101
8.1 算法定义 101
8.2 算法原理 101
8.3 LDA 与 PCA 比较 109
8.4 应用举例 109
第三部分 监 督 学 习
第 9 章 线性回归 121
9.1 线性回归模型 121
9.2 线性回归的原理 123
9.3 多元线性回归算法实现及应用 133
9.4 基于核的线性回归 139
0 章 逻辑回归 147
10.1 逻辑回归的背景 147
10.2 逻辑回归的原理 148
10.3 逻辑回归算法的实现 152
1 章 贝叶斯分类器 163
11.1 算法定义 163
11.2 算法原理 163
11.3 算法实现及应用举例 164
2 章 决策树 174
12.1 算法定义 174
12.2 算法原理 174
12.3 决策树模型评估 178
12.4 算法举例 179
3 章 随机森林 194
13.1 算法定义 194
13.2 算法原理 195
13.3 算法实现及应用 197
4 章 支持向量机（SVM） 215
14.1 算法定义 215
14.2 算法原理 215
14.3 应用举例 226
5 章 人工神经网络 238
15.1 神经元模型 238
15.2 感知机与多层网络 239
15.3 反向传播算法 241
15.4 神经网络的实现 243
15.5 卷积神经网络 244
15.6 经典深度神经网路 246
15.7 神经网络的应用 253
15.8 MATLAB 函数与示例 255
第四部分 无监督学习
6 章 k-means 聚类方法 259
16.1 k-means 算法原理 260
16.2 k-means 算法的优缺点 262
16.3 聚类个数建议 265
16.4 k-means 算法的实现及应用举例 266
7 章 模糊 C 均值（FCM）聚类 271
17.1 FCM 聚类算法原理 271
17.2 FCM 算法实现及应用举例 274
17.3 FCM 与 k-means 算法的比较 278
8 章 改进的模糊 C 均值聚类 279
18.1 PFCM 聚类算法 279
18.2 KFCM 聚类算法 284
18.3 SSFCM 聚类算法 288
18.4 聚类算法的量化评估和图像分割的比较 293
第五部分 应 用
9 章 机器学习算法的综合应用 303
19.1 鸢尾属植物的分类与聚类 303
19.2 基于 PCA 和 KPCA 预处理的乳腺细胞分类与聚类 308
19.3 基于 LDA 和 KLDA 预处理的酒的分类与聚类 317
第 20 章 机器学习和深度学习的工程应用 328
20.1 基于 SVM 的天气雷达回波干扰图像的分类 328
20.2 基于 FCM 的变密度光条纹图像的滤波 333
20.3 基于 FCM 的光条纹图像的二值化 336
20.4 基于 ANN 的全场相位的插值 338
20.5 基于全卷积神经网络的多尺度视网膜图像血管分割 342
20.6 基于卷积神经网络 ESPI 条纹图滤波 345
20.7 基于 M-Net 分割网络的光条纹骨架线提取 348
专业术语中英文对照表 353

编辑推荐

本书融合了Matlab、线性代数、优化理论和机器学习算法，并介绍了算法实现和机器学习综合应用、机器学习和深度学习的工程应用等。本书深入浅出，难度适中，具有系统性、完整性、可阅读性、应用性和前瞻性，是一本很好的机器学习教材和人工智能参考书。