暂无商品...
共0件商品 共计：0.00
去购物车
商品详情
规格参数
商品评论
商品咨询
销售记录
作者:耿煜 著
出版社:电子工业出版社
出版时间:2019-07
版次:1
装帧:平装
货号:1050004
上书时间:2023-09-09
【书 名】 图说图解机器学习
【书 号】 9787121368264
【出 版 社】 电子工业出版社
【作 者】 耿煜 等
【出版日期】 2019-07-01
【版 次】 1
【开 本】 其他
【页 码】 220
【定 价】 56.00元
【内容简介】
书采用图形化的方法讲解人工智能和机器学习的知识与技术，并且借用图形化软件KNIME采用拖、拉、拽等“傻瓜式”的操作完成从简单到复杂的机器学习项目。全书分为三个部分，分别是人工智能技术入门、传统机器学习和深度学习。本书具有图说图解、自上而下、够用即止、实战掌握的特点，适合于作为人工智能入门者、人工智能技术应用者及高职高专院校理工科、本科院校非理工科专业学生的教材。
【目录】
目 录
CONTENT
▲
第1章 人工智能及机器学习概述...................................1
1.1 人工智能概述 ............................................................................1
1.1.1.人工智能简史...............................................................2
1.1.2.人工智能是什么...........................................................4
1.1.3.人工智能的能力...........................................................5
1.2 机器学习概述 ............................................................................5
1.2.1.机器学习是什么...........................................................5
1.2.2.以监督学习为例...........................................................6
1.2.3.学习任务......................................................................7
1.2.4.机器学习要解决的基本问题.......................................7
1.2.5.机器学习如何优化模型...............................................7
1.2.6.机器学习工作流程.......................................................7
1.2.7.机器学习的各大流派...................................................8
1.2.8.机器学习算法选择.......................................................8
1.2.9.需要的知识...................................................................9
1.3 深度学习概述 ............................................................................9
1.4 机器学习与统计学 ....................................................................9
1.5 课后练习 ..................................................................................10
▲
第2章 机器学习基础知识...........................................11
2.1 数学基础 ..................................................................................11
2.1.1.数据的分类.................................................................12
2.1.2.基本统计学术语.........................................................12
2.1.3.回归............................................................................14
2.1.4.*小二乘法.................................................................14
2.1.5.判断拟合好坏.............................................................15
2.1.6.小结............................................................................17
2.2 读图 ..........................................................................................17
2.2.1.数值数据的分布.........................................................17
2.2.2.分类数据的分布.........................................................18
2.3 KNIME .....................................................................................21
2.3.1.KNIME简介..............................................................21
2.3.2.下载和安装.................................................................21
2.3.3.KNIME基本使用.......................................................21
2.3.4.小结............................................................................28
2.4 课后练习 ..................................................................................28
▲
第3章 线性回归.........................................................29
3.1 简单线性回归 ..........................................................................30
3.1.1.场景说明....................................................................30
3.1.2.KNIME建立工作流...................................................30
3.1.3.数据获取....................................................................30
3.1.4.观察数据....................................................................31
3.1.5.数据划分....................................................................33
3.1.6.模型训练....................................................................34
3.1.7.模型测试....................................................................37
3.1.8.损失函数....................................................................37
3.2 多元线性回归初步 ..................................................................38
3.2.1.任务及数据说明.........................................................38
3.2.2.建立基本的工作流.....................................................38
3.2.3.读取并观察数据.........................................................39
3.2.4.整合界面....................................................................49
3.3 多元线性回归进阶 ..................................................................51
3.3.1.优化模型....................................................................51
3.3.2.正向选择节点.............................................................55
3.3.3.反向消除....................................................................58
3.3.4.模型解释....................................................................58
3.3.5.特征归一化.................................................................59
3.3.6.使用KNIME具体实现归一化..................................59
3.3.7.相关系数....................................................................60
3.4 课后练习 ..................................................................................61
▲
第4章 逻辑回归.........................................................63
4.1 逻辑回归基本概念 ..................................................................63
4.1.1.分类问题....................................................................63
4.1.2.从线性回归到逻辑回归.............................................65
4.1.3.判定边界....................................................................66
4.1.4.KNIME工作流..........................................................66
4.1.5.读取数据....................................................................67
4.1.6.数据处理....................................................................67
4.1.7.模型训练及测试.........................................................68
4.1.8.模型评价....................................................................69
4.2 逻辑回归实战 ..........................................................................71
4.2.1.泰坦尼克号生存问题背景介绍..................................71
4.2.2.读取数据....................................................................72
4.2.3.数据处理....................................................................73
4.2.4.数据可视化及删除无关列.........................................75
4.2.5.模型训练和测试.........................................................82
4.2.6.模型评价....................................................................83
4.2.7.提交结果....................................................................85
4.2.8.模型解释....................................................................89
4.3 课后练习 ..................................................................................90
▲
第5章 模型优化.........................................................91
5.1 梯度下降 ..................................................................................91
5.1.1.损失函数....................................................................92
5.1.2.使用KNIME优化模型..............................................96
5.2 正则化 ......................................................................................98
5.2.1.准确性和健壮性.........................................................98
5.2.2.复杂的模型.................................................................98
5.2.3.欠拟合和过拟合.........................................................98
5.2.4.正则化防止过拟合...................................................100
5.2.5.使用KNIME设置正则化........................................100
5.3 模型评价 ................................................................................101
5.3.1.混淆矩阵.......
【前言】
"前 言
PREFACE
1. 创作经历
本书作者团队大部分成员就职于深圳信息职业技术学院（以下简称信息学院）。作者们初入职信息学院时，感觉凭借自己高学历教专科生简直是杀鸡用牛刀，但是往往几节课后就深感到拳头打在棉花上，甚至是如履薄冰。几乎任何一个公式都能让学生们面面相觑，几乎任何一个算法都能让学生们变成大眼瞪小眼。学生经常单刀直入地提问题，简单粗暴：“老师，我学了这个能干什么”，而鲜有学生会问：“这个问题怎么做”“这个问题哪里出错了”“我这样做行不行”。但是一旦“能干什么”的问题明确了，随之而来会源源不断地问“怎样做”。各种“惨痛”的经历告诉我们，不解决目标问题，大多数学生没有兴趣；不解决复杂度问题，大多数学生无法掌握。
本书大多数作者都有较高的学历和较多的研究经历，深知学习的艰难和痛苦，更对“知识就是力量”有深切的体会。在作者们的学习阶段，往往发现找到一本合适的入门书是那么得难，开始就啃业界大牛的著作往往是一个从入门到放弃的过程，或者因为很多书公式过多而影响了核心理念的掌握，导致入门如登天。结合在信息学院的授课经验，我们总结出“图说图解、自上而下、够用即止、实战掌握”的教学方法，希望带给大家一本不一样的入门书。
借用凯撒的一句名言，希望大家“我来，我见，我征服”。
2. 创作背景
我们如何才能迈向新时代呢？答案就是拥抱新动能，而人工智能是新动能中*有代表性的一个。虽然人工智能和机器学习作为热门词汇早已进入了人们的视野，但是它们究竟是什么，可能社会上绝大多数人还是不知道，更别说知道它们能干什么了。但是在国家顶层，早就预见到了其力量，“十九大”报告指出：“加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合”。在这个大时代，为了让更多的人搭上新时代的电梯，我们精心设计所有内容，确保能学、会用、可进阶。
3. 知识体系
全书分为三个部分，分别是人工智能技术入门、传统机器学习和深度学习。
人工智能技术入门：这部分包括章及第2章，章主要从历史发展角度讲述人工智能，第2章在技术层面上为今后的学习打下“够用”的数学基础和KNIME操作基础。
传统机器学习：这部分是本书的主要部分，包括第3章到第9章，分别介绍线性回归、模型优化、逻辑回归、支持向量机、决策树、深入理解决策树和贝叶斯模型。在这部分中，我们会逐步掌握KNIME的使用，更重要的是逐步掌握机器学习的流程、数据的处理、模型的使用等技术。其中第5章模型优化和第8章深入理解决策树不是入门必备知识，可以作为选修内容。
深度学习：这部分内容只包括0章，仅仅简单介绍深度学习的入门知识和应用技术。
4. 特色
本书的特色可以概括为“图说图解，自上而下，够用即止，实战掌握”。
“图说图解”是本书*显而易见的特色。本书将所有深奥难懂的机器学习原理图形化地展现及讲解，让读者能够从直觉上理解而不是从概念或者公式上理解。配合图形化的机器学习工具KNIME，使读者能够更方便快速地入门机器学习，免去了编程这个令初学者望而却步的前提条件。为了保证这一点，我们制作了大量的原创图片用于讲解，精挑细选了开源、免费、影响力大并且功能无限制的KNIME作为工具。
“自上而下”是本书的核心特色。本书从内容上以机器学习模型为明线，在这条明线外还有两条按照“自上而下”的教学理念设计的暗线。条暗线就是使用KNIME工具，从大致流程的掌握到细节的掌握，保证读者能够从大局上知道自己在干什么，进而知道细节上应该怎样设置
出版社:电子工业出版社
出版时间:2019-07
版次:1
装帧:平装
货号:1050004
上书时间:2023-09-09
【书 名】 图说图解机器学习
【书 号】 9787121368264
【出 版 社】 电子工业出版社
【作 者】 耿煜 等
【出版日期】 2019-07-01
【版 次】 1
【开 本】 其他
【页 码】 220
【定 价】 56.00元
【内容简介】
书采用图形化的方法讲解人工智能和机器学习的知识与技术，并且借用图形化软件KNIME采用拖、拉、拽等“傻瓜式”的操作完成从简单到复杂的机器学习项目。全书分为三个部分，分别是人工智能技术入门、传统机器学习和深度学习。本书具有图说图解、自上而下、够用即止、实战掌握的特点，适合于作为人工智能入门者、人工智能技术应用者及高职高专院校理工科、本科院校非理工科专业学生的教材。
【目录】
目 录
CONTENT
▲
第1章 人工智能及机器学习概述...................................1
1.1 人工智能概述 ............................................................................1
1.1.1.人工智能简史...............................................................2
1.1.2.人工智能是什么...........................................................4
1.1.3.人工智能的能力...........................................................5
1.2 机器学习概述 ............................................................................5
1.2.1.机器学习是什么...........................................................5
1.2.2.以监督学习为例...........................................................6
1.2.3.学习任务......................................................................7
1.2.4.机器学习要解决的基本问题.......................................7
1.2.5.机器学习如何优化模型...............................................7
1.2.6.机器学习工作流程.......................................................7
1.2.7.机器学习的各大流派...................................................8
1.2.8.机器学习算法选择.......................................................8
1.2.9.需要的知识...................................................................9
1.3 深度学习概述 ............................................................................9
1.4 机器学习与统计学 ....................................................................9
1.5 课后练习 ..................................................................................10
▲
第2章 机器学习基础知识...........................................11
2.1 数学基础 ..................................................................................11
2.1.1.数据的分类.................................................................12
2.1.2.基本统计学术语.........................................................12
2.1.3.回归............................................................................14
2.1.4.*小二乘法.................................................................14
2.1.5.判断拟合好坏.............................................................15
2.1.6.小结............................................................................17
2.2 读图 ..........................................................................................17
2.2.1.数值数据的分布.........................................................17
2.2.2.分类数据的分布.........................................................18
2.3 KNIME .....................................................................................21
2.3.1.KNIME简介..............................................................21
2.3.2.下载和安装.................................................................21
2.3.3.KNIME基本使用.......................................................21
2.3.4.小结............................................................................28
2.4 课后练习 ..................................................................................28
▲
第3章 线性回归.........................................................29
3.1 简单线性回归 ..........................................................................30
3.1.1.场景说明....................................................................30
3.1.2.KNIME建立工作流...................................................30
3.1.3.数据获取....................................................................30
3.1.4.观察数据....................................................................31
3.1.5.数据划分....................................................................33
3.1.6.模型训练....................................................................34
3.1.7.模型测试....................................................................37
3.1.8.损失函数....................................................................37
3.2 多元线性回归初步 ..................................................................38
3.2.1.任务及数据说明.........................................................38
3.2.2.建立基本的工作流.....................................................38
3.2.3.读取并观察数据.........................................................39
3.2.4.整合界面....................................................................49
3.3 多元线性回归进阶 ..................................................................51
3.3.1.优化模型....................................................................51
3.3.2.正向选择节点.............................................................55
3.3.3.反向消除....................................................................58
3.3.4.模型解释....................................................................58
3.3.5.特征归一化.................................................................59
3.3.6.使用KNIME具体实现归一化..................................59
3.3.7.相关系数....................................................................60
3.4 课后练习 ..................................................................................61
▲
第4章 逻辑回归.........................................................63
4.1 逻辑回归基本概念 ..................................................................63
4.1.1.分类问题....................................................................63
4.1.2.从线性回归到逻辑回归.............................................65
4.1.3.判定边界....................................................................66
4.1.4.KNIME工作流..........................................................66
4.1.5.读取数据....................................................................67
4.1.6.数据处理....................................................................67
4.1.7.模型训练及测试.........................................................68
4.1.8.模型评价....................................................................69
4.2 逻辑回归实战 ..........................................................................71
4.2.1.泰坦尼克号生存问题背景介绍..................................71
4.2.2.读取数据....................................................................72
4.2.3.数据处理....................................................................73
4.2.4.数据可视化及删除无关列.........................................75
4.2.5.模型训练和测试.........................................................82
4.2.6.模型评价....................................................................83
4.2.7.提交结果....................................................................85
4.2.8.模型解释....................................................................89
4.3 课后练习 ..................................................................................90
▲
第5章 模型优化.........................................................91
5.1 梯度下降 ..................................................................................91
5.1.1.损失函数....................................................................92
5.1.2.使用KNIME优化模型..............................................96
5.2 正则化 ......................................................................................98
5.2.1.准确性和健壮性.........................................................98
5.2.2.复杂的模型.................................................................98
5.2.3.欠拟合和过拟合.........................................................98
5.2.4.正则化防止过拟合...................................................100
5.2.5.使用KNIME设置正则化........................................100
5.3 模型评价 ................................................................................101
5.3.1.混淆矩阵.......
【前言】
"前 言
PREFACE
1. 创作经历
本书作者团队大部分成员就职于深圳信息职业技术学院（以下简称信息学院）。作者们初入职信息学院时，感觉凭借自己高学历教专科生简直是杀鸡用牛刀，但是往往几节课后就深感到拳头打在棉花上，甚至是如履薄冰。几乎任何一个公式都能让学生们面面相觑，几乎任何一个算法都能让学生们变成大眼瞪小眼。学生经常单刀直入地提问题，简单粗暴：“老师，我学了这个能干什么”，而鲜有学生会问：“这个问题怎么做”“这个问题哪里出错了”“我这样做行不行”。但是一旦“能干什么”的问题明确了，随之而来会源源不断地问“怎样做”。各种“惨痛”的经历告诉我们，不解决目标问题，大多数学生没有兴趣；不解决复杂度问题，大多数学生无法掌握。
本书大多数作者都有较高的学历和较多的研究经历，深知学习的艰难和痛苦，更对“知识就是力量”有深切的体会。在作者们的学习阶段，往往发现找到一本合适的入门书是那么得难，开始就啃业界大牛的著作往往是一个从入门到放弃的过程，或者因为很多书公式过多而影响了核心理念的掌握，导致入门如登天。结合在信息学院的授课经验，我们总结出“图说图解、自上而下、够用即止、实战掌握”的教学方法，希望带给大家一本不一样的入门书。
借用凯撒的一句名言，希望大家“我来，我见，我征服”。
2. 创作背景
我们如何才能迈向新时代呢？答案就是拥抱新动能，而人工智能是新动能中*有代表性的一个。虽然人工智能和机器学习作为热门词汇早已进入了人们的视野，但是它们究竟是什么，可能社会上绝大多数人还是不知道，更别说知道它们能干什么了。但是在国家顶层，早就预见到了其力量，“十九大”报告指出：“加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合”。在这个大时代，为了让更多的人搭上新时代的电梯，我们精心设计所有内容，确保能学、会用、可进阶。
3. 知识体系
全书分为三个部分，分别是人工智能技术入门、传统机器学习和深度学习。
人工智能技术入门：这部分包括章及第2章，章主要从历史发展角度讲述人工智能，第2章在技术层面上为今后的学习打下“够用”的数学基础和KNIME操作基础。
传统机器学习：这部分是本书的主要部分，包括第3章到第9章，分别介绍线性回归、模型优化、逻辑回归、支持向量机、决策树、深入理解决策树和贝叶斯模型。在这部分中，我们会逐步掌握KNIME的使用，更重要的是逐步掌握机器学习的流程、数据的处理、模型的使用等技术。其中第5章模型优化和第8章深入理解决策树不是入门必备知识，可以作为选修内容。
深度学习：这部分内容只包括0章，仅仅简单介绍深度学习的入门知识和应用技术。
4. 特色
本书的特色可以概括为“图说图解，自上而下，够用即止，实战掌握”。
“图说图解”是本书*显而易见的特色。本书将所有深奥难懂的机器学习原理图形化地展现及讲解，让读者能够从直觉上理解而不是从概念或者公式上理解。配合图形化的机器学习工具KNIME，使读者能够更方便快速地入门机器学习，免去了编程这个令初学者望而却步的前提条件。为了保证这一点，我们制作了大量的原创图片用于讲解，精挑细选了开源、免费、影响力大并且功能无限制的KNIME作为工具。
“自上而下”是本书的核心特色。本书从内容上以机器学习模型为明线，在这条明线外还有两条按照“自上而下”的教学理念设计的暗线。条暗线就是使用KNIME工具，从大致流程的掌握到细节的掌握，保证读者能够从大局上知道自己在干什么，进而知道细节上应该怎样设置
