机器学习基础

本书全面地介绍了机器学习的基本概念、预备知识、主要思想、研究进展、基础技术、应用技巧，并围绕当前机器学习领域的热点问题展开讨论。全书共11章，主要内容包括决策树、神经网络、支持向量机、遗传算法、回归、聚类分析等。

本书可作为高等院校计算机、软件工程、智能科学与技术等研究生和高年级本科生的教材，同时对于从事人工智能、数据挖掘、模式识别等相关技术人员也具有较高的参考价值。

1章绪论

 

 

1.1从两个问题谈起

 

 

1.2模型评估与模型参数选择

 

 

1.2.1验证

 

 

1.2.2正则化

 

 

1.3机器学习算法分类

 

 

1.3.1监督学习

 

 

1.3.2非监督学习

 

 

习题

 

 

2章回归

 

 

2.1线性回归

 

 

2.2Logistic回归

 

 

习题

 

 

3章LDA主题模型

 

 

3.1LDA简介

 

 

3.2数学基础

 

 

3.2.1多项分布

 

 

3.2.2Dirichlet分布

 

 

3.2.3共轭先验分布

 

 

3.3LDA主题模型

 

 

3.3.1基础模型

 

 

3.3.2PLSA模型

 

 

3.3.3LDA模型

 

 

3.4LDA模型应用实例

 

 

3.4.1配置安装

 

 

3.4.2文本预处理

 

 

3.4.3使用Gensim

 

 

习题

 

 

4章决策树

 

 

4.1决策树简介

 

 

4.1.1一个小例子

 

 

4.1.2几个重要的术语及决策树构造思路

 

 

4.2离散型决策树的构造

 

 

4.3连续性数值的处理

 

 

4.4决策树剪枝

 

 

习题

 

 

5章支持向量机