机器学习算法的数学解析与Python实现/智能系统与技术丛书 机械工业出版社

前言 第1章 机器学习概述 1.1 什么是机器学习 1.2 机器学习的几个需求层次 1.3 机器学习的基本原理 1.4 机器学习的基本概念 1.4.1 书中用到的术语介绍 1.4.2 机器学习的基本模式 1.4.3 优化方法 1.5 机器学习问题分类 1.6 常用的机器学习算法 1.7 机器学习算法的性能衡量指标 1.8 数据对算法结果的影响 第2章 机器学习所需的环境 2.1 常用环境 2.2 Python简介 2.2.1 Python的安装 2.2.2 Python的基本用法 2.3 Numpy简介 2.3.1 Numpy的安装 2.3.2 Numpy的基本用法 2.4 Scikit-Learn简介 2.4.1 Scikit-Learn的安装 2.4.2 Scikit-Learn的基本用法 2.5 Pandas简介 2.5.1 Pandas的安装 2.5.2 Pandas的基本用法 第3章 线性回归算法 3.1 线性回归：“钢铁直男”解决回归问题的正确方法 3.1.1 用于预测未来的回归问题 3.1.2 怎样预测未来 3.1.3 线性方程的“直男”本性 3.1.4 最简单的回归问题——线性回归问题 3.2 线性回归的算法原理 3.2.1 线性回归算法的基本思路 …… 第4章 Logistic回归分类算法 第5章 KNN分类算法 第6章 朴素贝叶斯分类算法 第7章 决策树分类算法 第8章 支持向量机分类算法 第9章 K-means聚类算法 第10章 神经网络分类算法 第11章 集成学习方法