机器学习入门到实战——MATLAB 实践应用(9787302495147,075373-01)

机器学习入门到实战——MATLAB 实践应用(9787302495147,075373-01)

图书《机器学习入门到实战》(ISBN号9787302495147)配套课程资源。
(0 评论)

5.00元

课程介绍

课程介绍:

本书是作者在多年机器学习及工作经验的基础上,对大量的网络资源、论文和相关书籍进行总结、整理、分析后编写的。全书共分为三部分,分别为机器学习概念篇、MATLAB机器学习基础篇、机器学习算法与MATLAB实践篇。

本书各章内容简介如下。

第1章主要介绍机器学习中的基本概念、术语等,机器学习算法分类框架,机器学习算法实现的基本流程,以及机器学习中数据预处理的基本方法。

第2章主要介绍MATLAB软件的基本操作和使用方法,包括矩阵运算、m文件编写、流程控制语句编写、绘图及文件的导入与导出。

第3章主要介绍MATLAB机器学习工具箱中的分类学习器应用程序(Classification Learner App)的使用方法,通过安德森鸢尾花卉数据集的实例,具体介绍使用方法和流程。

第4章介绍分类回归算法中的k近邻算法(KNN)的算法原理、算法实现步骤、算法特点、算法改进,以及通过MATLAB进行实例的算法编写与详解。

第5章介绍分类回归算法中的决策树(Decision Tree)的算法原理、算法实现步骤、算法特点、算法改进,以及通过MATLAB进行实例的算法编写与详解。

第6章介绍分类回归算法中的支持向量机(SVM)的算法原理、算法实现步骤、算法特点、算法改进,以及通过MATLAB进行实例的算法编写与详解。

第7章介绍分类回归算法中的朴素贝叶斯(Naive Bayes,NB)的算法原理、算法实现步骤、算法特点、算法改进,以及通过MATLAB进行实例的算法编写与详解。

第8章介绍分类回归算法中的线性回归(Line Regression)的算法原理、算法实现步骤、多元线性回归原理,以及通过MATLAB进行实例的算法编写与详解。

第9章介绍分类回归算法中的逻辑回归(Logistic Regression)的算法原理、算法实现步骤、算法特点、算法改进,以及通过MATLAB进行实例的算法编写与详解。

第10章介绍分类回归算法中的神经网络(Artificial Neural Networks,ANN)的算法原理、算法实现步骤、算法特点、算法拓展,以及通过MATLAB进行实例的算法编写与详解。

第11章介绍分类回归算法中的AdaBoost算法的算法原理、算法实现步骤、算法特点、算法改进,以及通过MATLAB进行实例的算法编写与详解。

第12章介绍聚类算法中的k均值算法(kmeans)的算法原理、算法实现步骤、算法特点、算法改进,以及通过MATLAB进行实例的算法编写与详解。

第13章介绍聚类算法中的期望最大化算法(EM)的算法原理、算法实现步骤、算法特点、算法改进,以及通过MATLAB进行实例的算法编写与详解。

第14章介绍聚类算法中的k中心点算法(kmedoids)的算法原理、算法实现步骤、算法特点、算法改进,以及通过MATLAB进行实例的算法编写与详解。

第15章介绍聚类算法中的关联规则挖掘的Apriori算法的算法原理、算法实现步骤、算法特点、算法改进,以及通过MATLAB进行实例的算法编写与详解。

第16章介绍聚类算法中的高斯混合模型(GMM)的算法原理、算法实现步骤、算法特点、算法改进,以及通过MATLAB进行实例的算法编写与详解。

第17章介绍聚类算法中的DBSCAN算法的算法原理、算法实现步骤、算法特点、算法改进,以及通过MATLAB进行实例的算法编写与详解。

第18章介绍强化学习算法中的策略迭代和值迭代的算法原理、算法实现步骤,以及通过MATLAB进行实例的算法编写与详解。

第19章介绍强化学习算法中的SARSA算法和Q学习算法的算法原理、算法实现步骤,以及通过MATLAB进行实例的算法编写与详解。

课程目标
  • 将现有机器学习的框架关系及主要算法原理及其实现展现给读者。
适合人群
  • 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。

授课教师

资源管理

学员动态

fgi7fc 开始学习课时 第十九章资源下载
fgi7fc 开始学习课时 第十八章资源下载
fgi7fc 开始学习课时 第十七章资源下载
fgi7fc 开始学习课时 第十六章资源下载
fgi7fc 开始学习课时 第十五章资源下载