機(jī)器學(xué)習(xí)是一種實(shí)現(xiàn)人工智能的方法,也是人工智能領(lǐng)域中最能體現(xiàn)智能、發(fā)展最快的一個(gè)分支。本書作為該領(lǐng)域算法實(shí)現(xiàn)與應(yīng)用的入門教材,主要介紹了一些經(jīng)典而常用的機(jī)器學(xué)習(xí)方法及其編程技術(shù),包括樸素貝葉斯、決策樹、k-NN、聚類、線性回歸、支持向量機(jī)(SVM)、神經(jīng)網(wǎng)絡(luò)等。全書以Python語言作為編程語言,基于工作過程系統(tǒng)化的體例設(shè)計(jì),采用理論知識(shí)結(jié)合項(xiàng)目案例的形式,以圖例解析的方式深入淺出又直觀地剖析學(xué)習(xí)模型的計(jì)算機(jī)理,加深學(xué)生的體會(huì)和理解,避免了煩瑣的數(shù)學(xué)模型推導(dǎo);在項(xiàng)目實(shí)施過程中,以任務(wù)驅(qū)動(dòng)的方式一步一步地演示算法的編程實(shí)現(xiàn)與應(yīng)用過程,學(xué)生通過按部就班地反復(fù)訓(xùn)練,便能掌握基本的機(jī)器學(xué)習(xí)編程技術(shù)和應(yīng)用方法。此外,為滿足學(xué)生進(jìn)一步的學(xué)習(xí)需要,書中多個(gè)單元均介紹了一些閱讀材料供學(xué)生參考;在每單元最后都挖掘了一個(gè)與本單元內(nèi)容相關(guān)的重要人物或事件的思政故事,傳導(dǎo)專業(yè)正能量,促進(jìn)學(xué)生職業(yè)精神與職業(yè)素養(yǎng)的養(yǎng)成。本書配備了豐富的數(shù)字化課程教學(xué)資源,既可作為高等職業(yè)學(xué)校、應(yīng)用型普通高等院校人工智能、大數(shù)據(jù)專業(yè)及其相關(guān)專業(yè)學(xué)生的教材,也可供想快速入門機(jī)器學(xué)習(xí)的工程技術(shù)人員、研究人員閱讀參考。
孫光明,北京交通大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)研究生學(xué)歷,工學(xué)碩士學(xué)位;近 20 年來,一直在高職一線從事計(jì)算機(jī)及相關(guān)專業(yè)建設(shè)、課程開發(fā)、教學(xué)研究、技術(shù)研發(fā)及社會(huì)服務(wù)工作,曾在摩羅托拉(中國)技術(shù)有限公司、北京播思通訊技術(shù)有限公司從事手機(jī)操作系統(tǒng)研發(fā)工作2年(項(xiàng)目合作)。主要研究方向?yàn)閺?fù)雜網(wǎng)絡(luò)分析與信息挖掘、電子與信息類職業(yè)教育教學(xué)管理。目前擔(dān)任河北交通職業(yè)技術(shù)學(xué)院電氣與信息工程系主任。
單元1 機(jī)器學(xué)習(xí)導(dǎo)引 1
任務(wù)1.1 使用機(jī)器學(xué)習(xí)方法實(shí)現(xiàn)紙幣真假分類 2
任務(wù)1.2 開發(fā)環(huán)境的搭建及本地模型的訓(xùn)練、評(píng)估 25
測試習(xí)題 49
單元2 樸素貝葉斯算法 52
任務(wù)2.1 垃圾短信數(shù)據(jù)集導(dǎo)入與數(shù)據(jù)預(yù)處理 52
任務(wù)2.2 訓(xùn)練貝葉斯分類器 56
任務(wù)2.3 模型評(píng)估 63
測試習(xí)題 72
單元3 決策樹 75
任務(wù)3.1 天氣數(shù)據(jù)集導(dǎo)入與數(shù)據(jù)預(yù)處理 76
任務(wù)3.2 訓(xùn)練決策樹模型 83
任務(wù)3.3 模型評(píng)估 97
測試習(xí)題 100
單元4 k-NN算法 102
任務(wù)4.1 Seeds數(shù)據(jù)集導(dǎo)入與數(shù)據(jù)預(yù)處理 102
任務(wù)4.2 訓(xùn)練k-NN模型 106
任務(wù)4.3 模型評(píng)估 111
測試習(xí)題 116
單元5 聚類 119
任務(wù)5.1 鳶尾花數(shù)據(jù)集導(dǎo)入與數(shù)據(jù)預(yù)處理 119
任務(wù)5.2 訓(xùn)練k-Means模型 124
任務(wù)5.3 模型評(píng)估 134
測試習(xí)題 142
?
單元6 線性回歸 145
任務(wù)6.1 房價(jià)數(shù)據(jù)集導(dǎo)入與數(shù)據(jù)預(yù)處理 145
任務(wù)6.2 訓(xùn)練線性回歸模型 151
任務(wù)6.3 模型評(píng)估 161
測試習(xí)題 166
單元7 SVM算法 170
任務(wù)7.1 蘑菇數(shù)據(jù)集導(dǎo)入與數(shù)據(jù)預(yù)處理 170
任務(wù)7.2 訓(xùn)練SVM算法模型 174
任務(wù)7.3 模型評(píng)估 182
測試習(xí)題 187
單元8 神經(jīng)網(wǎng)絡(luò) 190
任務(wù)8.1 MNIST數(shù)據(jù)集導(dǎo)入與數(shù)據(jù)預(yù)處理 191
任務(wù)8.2 訓(xùn)練神經(jīng)網(wǎng)絡(luò) 197
任務(wù)8.3 深度學(xué)習(xí) 213
測試習(xí)題 234