第1章 機(jī)器學(xué)習(xí)介紹001
1.1 機(jī)器學(xué)習(xí)簡(jiǎn)介002
1.1.1 機(jī)器學(xué)習(xí)的基本概念003
1.1.2 機(jī)器學(xué)習(xí)的發(fā)展歷史005
1.2 機(jī)器學(xué)習(xí)的分類(lèi)及典型算法010
1.2.1 機(jī)器學(xué)習(xí)的分類(lèi)010
1.2.2 監(jiān)督學(xué)習(xí)011
1.2.3 非監(jiān)督學(xué)習(xí)014
1.2.4 半監(jiān)督學(xué)習(xí)015
1.2.5 強(qiáng)化學(xué)習(xí)018
本章小結(jié)019
習(xí)題020
第2章 基于Python語(yǔ)言的機(jī)器學(xué)習(xí)環(huán)境搭建與配置023
2.1 機(jī)器學(xué)習(xí)相關(guān)軟件介紹024
2.1.1 機(jī)器學(xué)習(xí)開(kāi)發(fā)語(yǔ)言024
2.1.2 機(jī)器學(xué)習(xí)開(kāi)發(fā)工具028
2.2 機(jī)器學(xué)習(xí)開(kāi)發(fā)環(huán)境搭建036
2.2.1 Python的安裝及使用036
2.2.2 Anaconda的安裝及使用041
2.2.3 PyCharm的安裝及使用052
2.3 常見(jiàn)機(jī)器學(xué)習(xí)庫(kù)函數(shù)功能介紹059
2.3.1 基礎(chǔ)科學(xué)計(jì)算庫(kù)（NumPy）059
2.3.2 科學(xué)計(jì)算工具集（Scipy）068
2.3.3 數(shù)據(jù)分析庫(kù)（Pandas）074
2.3.4 圖形繪制庫(kù)（Matplotlib）079
2.3.5 機(jī)器學(xué)習(xí)常用算法庫(kù)（Scikit-learn）080
本章小結(jié)083
習(xí)題084
第3章 監(jiān)督學(xué)習(xí)087
3.1 線(xiàn)性回歸算法088
3.1.1 常用損失函數(shù)089
3.1.2 最小二乘法091
3.1.3 梯度下降法092
3.1.4 線(xiàn)性回歸算法實(shí)例094
3.2 決策樹(shù)算法098
3.2.1 分類(lèi)準(zhǔn)則099
3.2.2 ID3算法102
3.2.3 C4.5算法108
3.2.4 CART算法111
3.2.5 決策樹(shù)算法實(shí)例113
3.3 k近鄰算法116
3.3.1 k值的選取及特征歸一化117
3.3.2 kd樹(shù)120
3.3.3 k近鄰算法實(shí)例128
3.4 支持向量機(jī)算法133
3.4.1 線(xiàn)性可分性133
3.4.2 對(duì)偶問(wèn)題136
3.4.3 核函數(shù)139
3.4.4 軟間隔142
3.4.5 支持向量機(jī)算法實(shí)例144
本章小結(jié)146
習(xí)題146
第4章 非監(jiān)督學(xué)習(xí)149
4.1 非監(jiān)督學(xué)習(xí)概述150
4.1.1 非監(jiān)督學(xué)習(xí)的基本概念150
4.1.2 非監(jiān)督學(xué)習(xí)的分類(lèi)151
4.1.3 非監(jiān)督學(xué)習(xí)的特點(diǎn)152
4.1.4 非監(jiān)督學(xué)習(xí)的應(yīng)用153
4.2 主成分分析降維算法154
4.2.1　數(shù)據(jù)降維介紹154
4.2.2 PCA算法介紹155
4.2.3 PCA算法求解步驟159
4.2.4 PCA算法實(shí)例161
4.3 K-means聚類(lèi)算法163
4.3.1 聚類(lèi)算法簡(jiǎn)介163
4.3.2 K-means算法介紹164
4.3.3 K-means算法求解步驟165
4.3.4 K-means算法實(shí)例170
本章小結(jié)172
習(xí)題173
第5章 人工神經(jīng)網(wǎng)絡(luò)175
5.1 人工神經(jīng)網(wǎng)絡(luò)概述176
5.1.1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程176
5.1.2 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)180
5.1.3 人工神經(jīng)網(wǎng)絡(luò)模型188
5.1.4 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用191
5.2 房?jī)r(jià)預(yù)測(cè)實(shí)例193
5.2.1 房?jī)r(jià)預(yù)測(cè)模型構(gòu)建193
5.2.2 房?jī)r(jià)預(yù)測(cè)網(wǎng)絡(luò)構(gòu)建198
5.3 手寫(xiě)數(shù)字識(shí)別實(shí)例199
5.3.1 手寫(xiě)數(shù)字識(shí)別簡(jiǎn)介199
5.3.2 手寫(xiě)數(shù)字識(shí)別網(wǎng)絡(luò)構(gòu)建201
本章小結(jié)203
習(xí)題203
第6章 強(qiáng)化學(xué)習(xí)205
6.1 強(qiáng)化學(xué)習(xí)概述206
6.1.1 強(qiáng)化學(xué)習(xí)的基本概念206
6.1.2 強(qiáng)化學(xué)習(xí)的發(fā)展歷史208
6.1.3 強(qiáng)化學(xué)習(xí)的分類(lèi)210
6.1.4 強(qiáng)化學(xué)習(xí)的特點(diǎn)及應(yīng)用211
6.2 強(qiáng)化學(xué)習(xí)基礎(chǔ)212
6.2.1 馬爾可夫決策過(guò)程212
6.2.2 貪心算法213
6.3 有模型學(xué)習(xí)和無(wú)模型學(xué)習(xí)214
6.3.1 有模型學(xué)習(xí)214
6.3.2 無(wú)模型學(xué)習(xí)216
6.4 強(qiáng)化學(xué)習(xí)實(shí)例216
6.4.1 Q-Learning算法216
6.4.2 Sarsa算法232
本章小結(jié)242
習(xí)題243