机器学习入门到实战——MATLAB 实践应用: 实践应用

本书主要介绍经典的机器学习算法的原理及改进,以及MATLAB的实例实现。本书内容分为三部分。第一部分(第1章)是机器学习概念篇,介绍机器学习的相关概念,并且对机器学习的各类算法进行分类,以便读者对机器学习的知识框架有一个整体的了解,从而在后续的学习中更容易接受机器学习涉及的各类算法。第二部分(第2章、第3章)是MATLAB机器学习基础篇,介绍MATLAB的基本使用方法,以及MATLAB集成的机器学习工具箱。MATLAB易上手的特点让使用者将更多的精力专注于算法开发与使用,而不是搭建算法实现开发平台。第三部分(第4章~第19章)是机器学习算法与MATLAB实践篇,对监督学习、无/非监督学习、强化学习三大类常用算法进行逐个讲解,包括机器学习算法原理、算法优缺点、算法的实例解释以及MATLAB的实践应用。 本书适合以下读者: 对人工智能、机器学习感兴趣的读者; 希望用机器学习完成设计的计算机或电子信息专业学生; 准备开设机器学习、深度学习实践课的授课老师; 学习过C语言,且希望进一步提升编程水平的开发者; 刚从事机器学习、语音、机器视觉、智能机器人研发的算法工程师。 封面 1 扉页 2 内容简介 3 版权页 3 彩插 4 前言 12 目录 16 第一部分 机器学习概念篇 24 ●第1章 机器学习基础 26 第二部分 MATLAB机器学习基础篇 40 ●第2章 MATLAB基础入门 42 ●第3章 MATLAB机器学习工具箱 57 第三部分 机器学习算法与MATLAB实践篇 74 ●第4章 k近邻算法 76 ●第5章 决策树 87 ●第6章 支持向量机 100 ●第7章 朴素贝叶斯 113 ●第8章 线性回归 128 ●第9章 逻辑回归 135 ●第10章 神经网络 150 ●第11章 AdaBoost算法 170 ●第12章 k均值算法 183 ●第13章 期望最大化算法 193 ●第14章 k中心点算法 207 ●第15章 关联规则挖掘的Apriori算法 214 ●第16章 高斯混合模型 224 ●第17章 DBSCAN算法 248 ●第18章 策略迭代和值迭代 259 ●第19章 SARSA算法和Q学习算法 274 正文结束 286