實(shí)戰(zhàn)機(jī)器學(xué)習(xí)
隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計(jì)算等技術(shù)的不斷發(fā)展，許多領(lǐng)域都產(chǎn)生了大量的數(shù)據(jù)。利用機(jī)器學(xué)習(xí)技術(shù)分析海量數(shù)據(jù)，可以從數(shù)據(jù)中發(fā)現(xiàn)隱含的、有價(jià)值的規(guī)律和模式，進(jìn)而用于預(yù)測(cè)并采取相應(yīng)動(dòng)作。在上述背景下，本書從理論、技術(shù)和應(yīng)用三個(gè)層面入手，全面講解如何利用機(jī)器學(xué)習(xí)技術(shù)解決實(shí)際問題。本書共分26章，內(nèi)容包括機(jī)器學(xué)習(xí)解決問題流程、問題分析與建模、數(shù)據(jù)探索與準(zhǔn)備、特征工程、模型訓(xùn)練與評(píng)價(jià)、模型部署與應(yīng)用、回歸模型、支持向量機(jī)、決策樹、集成學(xué)習(xí)、K近鄰算法、貝葉斯方法、聚類算法、關(guān)聯(lián)規(guī)則學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、正則化、深度學(xué)習(xí)中的優(yōu)化、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、自編碼器、基于深度學(xué)習(xí)的語音分離方法、基于深度學(xué)習(xí)的圖像去水印方法、基于LSTM的云環(huán)境工作負(fù)載預(yù)測(cè)方法、基于QoS的服務(wù)組合問題、基于強(qiáng)化學(xué)習(xí)的投資組合方法、基于GAN模型的大數(shù)據(jù)系統(tǒng)參數(shù)優(yōu)化方法。本書內(nèi)容全面、示例豐富，適合機(jī)器學(xué)習(xí)初學(xué)者以及想要全面掌握機(jī)器學(xué)習(xí)技術(shù)的算法開發(fā)人員，也適合高等院校和培訓(xùn)機(jī)構(gòu)人工智能相關(guān)專業(yè)的師生教學(xué)參考。
·22.4萬字
