實戰機器學習
隨著互聯網、物聯網、云計算等技術的不斷發展,許多領域都產生了大量的數據。利用機器學習技術分析海量數據,可以從數據中發現隱含的、有價值的規律和模式,進而用于預測并采取相應動作。在上述背景下,本書從理論、技術和應用三個層面入手,全面講解如何利用機器學習技術解決實際問題。本書共分26章,內容包括機器學習解決問題流程、問題分析與建模、數據探索與準備、特征工程、模型訓練與評價、模型部署與應用、回歸模型、支持向量機、決策樹、集成學習、K近鄰算法、貝葉斯方法、聚類算法、關聯規則學習、神經網絡基礎、正則化、深度學習中的優化、卷積神經網絡、循環神經網絡、自編碼器、基于深度學習的語音分離方法、基于深度學習的圖像去水印方法、基于LSTM的云環境工作負載預測方法、基于QoS的服務組合問題、基于強化學習的投資組合方法、基于GAN模型的大數據系統參數優化方法。本書內容全面、示例豐富,適合機器學習初學者以及想要全面掌握機器學習技術的算法開發人員,也適合高等院校和培訓機構人工智能相關專業的師生教學參考。
·22.4萬字