 |
-- 會員 / 註冊 --
|
 |
|
|
|
圖說圖解機器學習 ( 簡體 字) |
| 作者：耿煜 等 | 類別：1. -> 程式設計 -> 機器學習 |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 51562
詢問書籍請說出此書號！【缺書】
NT售價： 280 元 |
| 出版日：7/1/2019 |
| 頁數：220 |
| 光碟數：0 |
|
站長推薦：  |
| 印刷： | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121368264 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：1. 創作經歷
本書作者團隊大部分成員就職于深圳信息職業技術學院（以下簡稱信息學院）。作者們初入職信息學院時，感覺憑借自己高學歷教專科生簡直是殺雞用牛刀，但是往往幾節課后就深感到拳頭打在棉花上，甚至是如履薄冰。幾乎任何一個公式都能讓學生們面面相覷，幾乎任何一個算法都能讓學生們變成大眼瞪小眼。學生經常單刀直入地提問題，簡單粗暴：“老師，我學了這個能干什么”，而鮮有學生會問：“這個問題怎么做”“這個問題哪里出錯了”“我這樣做行不行”。但是一旦“能干什么”的問題明確了，隨之而來會源源不斷地問“怎樣做”。各種“慘痛”的經歷告訴我們，不解決目標問題，大多數學生沒有興趣；不解決復雜度問題，大多數學生無法掌握。
本書大多數作者都有較高的學歷和較多的研究經歷，深知學習的艱難和痛苦，更對“知識就是力量”有深切的體會。在作者們的學習階段，往往發現找到一本合適的入門書是那么得難，開始就啃業界大牛的著作往往是一個從入門到放棄的過程，或者因為很多書公式過多而影響了核心理念的掌握，導致入門如登天。結合在信息學院的授課經驗，我們總結出“圖說圖解、自上而下、夠用即止、實戰掌握”的教學方法，希望帶給大家一本不一樣的入門書。
借用凱撒的一句名言，希望大家“我來，我見，我征服”。
2. 創作背景
我們如何才能邁向新時代呢？答案就是擁抱新動能，而人工智能是新動能中最有代表性的一個。雖然人工智能和機器學習作為熱門詞匯早已進入了人們的視野，但是它們究竟是什么，可能社會上絕大多數人還是不知道，更別說知道它們能干什么了。但是在國家頂層，早就預見到了其力量，“十九大”報告指出：“加快發展先進制造業，推動互聯網、大數據、人工智能和實體經濟深度融合”。在這個大時代，為了讓更多的人搭上新時代的電梯，我們精心設計所有內容，確保能學、會用、可進階。
3. 知識體系
全書分為三個部分，分別是人工智能技術入門、傳統機器學習和深度學習。
人工智能技術入門：這部分包括第1章及第2章，第1章主要從歷史發展角度講述人工智能，第2章在技術層面上為今后的學習打下“夠用”的數學基礎和KNIME操作基礎。
傳統機器學習：這部分是本書的主要部分，包括第3章到第9章，分別介紹線性回歸、模型優化、邏輯回歸、支持向量機、決策樹、深入理解決策樹和貝葉斯模型。在這部分中，我們會逐步掌握KNIME的使用，更重要的是逐步掌握機器學習的流程、數據的處理、模型的使用等技術。其中第5章模型優化和第8章深入理解決策樹不是入門必備知識，可以作為選修內容。
深度學習：這部分內容只包括第10章，僅僅簡單介紹深度學習的入門知識和應用技術。
4. 特色
本書的特色可以概括為“圖說圖解，自上而下，夠用即止，實戰掌握”。
“圖說圖解”是本書最顯而易見的特色。本書將所有深奧難懂的機器學習原理圖形化地展現及講解，讓讀者能夠從直覺上理解而不是從概念或者公式上理解。配合圖形化的機器學習工具KNIME，使讀者能夠更方便快速地入門機器學習，免去了編程這個令初學者望而卻步的前提條件。為了保證這一點，我們制作了大量的原創圖片用于講解，精挑細選了開源、免費、影響力大并且功能無限制的KNIME作為工具。
“自上而下”是本書的核心特色。本書從內容上以機器學習模型為明線，在這條明線外還有兩條按照“自上而下”的教學理念設計的暗線。第一條暗線就是使用KNIME工具，從大致流程的掌握到細節的掌握，保證讀者能夠從大局上知道自己在干什么，進而知道細節上應該怎樣設置。第二條暗線就是機器學習知識和技術由宏觀理解到具體技能掌握，保證讀者能夠從宏觀上理解一個機器學習項目的流程，接著再去理解具體技術的細節。為保證這一點，本書從簡單模型入手逐步深入到復雜模型，從使用“干凈”數據逐步擴展到使用“臟”數據。
“夠用即止”是本書降低讀者入門門檻和學習負擔的保障。本書省略了大量的理論推導和公式計算，僅通過圖形化方法從概念上讓讀者理解算法的原理，具體操作時直接使用KNIME工具即可完成。而且對于機器學習應用者來說，大多數人也沒有必要理解背后的理論及公式，即使之后不用KNIME而使用Python，也是編寫幾句代碼就可以解決的，沒有必要去深究理論。為了保證這一點，我們刪除了大量的公式，增加了大量的圖解。
“實戰掌握”是驗證本書是否成功的關鍵。紙上談兵畢竟不是真本事，本書采用Kaggle機器學習平臺的真實競賽為實戰項目，從入門項目泰坦尼克號到復雜項目銀行客戶分類，在實戰中使讀者逐步掌握機器學習的流程、模型的設置、數據清洗、非平衡數據的處理等問題。
5. 本書是什么
本書是一本機器學習的入門書。
本書是一本關于機器學習應用的書。
本書的目標是使一個高中水平的讀者通過本書能夠入門機器學習，并掌握足夠的進一步提升的能力。
本書也可以看成是機器學習圖解的KNIME軟件教程。
6. 本書不是什么
本書不研究任何機器學習公式、理論。
本書不覆蓋任何機器學習模型。
本書字不多。
7. 如何使用本書
對于具有理工科背景的同學來說，建議從頭至尾學習每章內容以了解每個模型的原理及其應用。對于非理工科背景或者僅僅關心模型應用的同學，可以直接閱讀模型使用部分，而將模型原理部分當作手冊參考即可。
每章的最后都有課后練習部分，請大家仔細思考。所有答案、模型源文件和數據都可以掃描下面的二維碼索取。
關注公眾號查看本書所有答案、模型源文件和數據
更多反饋可以加作者微信進入圖說圖解機器學習交流群交流。
作者微信
8. 編寫分工
耿煜：主筆，主要負責全書的組織設計、案例分析和整體結構。
李欽：案例搜集整理與篩選。
楊耿：深度學習案例與應用。
邱婉：圖解設計及繪圖。
9. 致謝
感謝深圳信息職業技術學院各位老師和同學的幫助，感謝深圳兆陽信息技術研究院各位工程師的協助，感謝我們的家人、朋友。沒有你們的幫助就沒有這本書的問世。 |
內容簡介：書采用圖形化的方法講解人工智能和機器學習的知識與技術，并且借用圖形化軟件KNIME采用拖、拉、拽等“傻瓜式”的操作完成從簡單到復雜的機器學習項目。全書分為三個部分，分別是人工智能技術入門、傳統機器學習和深度學習。本書具有圖說圖解、自上而下、夠用即止、實戰掌握的特點，適合于作為人工智能入門者、人工智能技術應用者及高職高專院校理工科、本科院校非理工科專業學生的教材。 |
目錄：▲
第1章 人工智能及機器學習概述.....1
1.1 人工智能概述 ..........1
1.1.1.人工智能簡史.......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 機器學習概述 ..........5
1.2.1.機器學習是什么.......5
1.2.2.以監督學習為例.......6
1.2.3.學習任務........7
1.2.4.機器學習要解決的基本問題.....7
1.2.5.機器學習如何優化模型.......7
1.2.6.機器學習工作流程.......7
1.2.7.機器學習的各大流派.......8
1.2.8.機器學習算法選擇.......8
1.2.9.需要的知識.........9
1.3 深度學習概述 ..........9
1.4 機器學習與統計學 ........9
1.5 課后練習 ..........10
▲
第2章 機器學習基礎知識.....11
2.1 數學基礎 ..........11
2.1.1.數據的分類.........12
2.1.2.基本統計學術語.......12
2.1.3.回歸..........14
2.1.4.最小二乘法.........14
2.1.5.判斷擬合好壞.......15
2.1.6.小結..........17
2.2 讀圖 ..........17
2.2.1.數值數據的分布.......17
2.2.2.分類數據的分布.......18
2.3 KNIME ...........21
2.3.1.KNIME簡介........21
2.3.2.下載和安裝.........21
2.3.3.KNIME基本使用.......21
2.3.4.小結..........28
2.4 課后練習 ..........28
▲
第3章 線性回歸.......29
3.1 簡單線性回歸 ..........30
3.1.1.場景說明........30
3.1.2.KNIME建立工作流.......30
3.1.3.數據獲取........30
3.1.4.觀察數據........31
3.1.5.數據劃分........33
3.1.6.模型訓練........34
3.1.7.模型測試........37
3.1.8.損失函數........37
3.2 多元線性回歸初步 ........38
3.2.1.任務及數據說明.......38
3.2.2.建立基本的工作流.......38
3.2.3.讀取并觀察數據.......39
3.2.4.整合界面........49
3.3 多元線性回歸進階 ........51
3.3.1.優化模型........51
3.3.2.正向選擇節點.......55
3.3.3.反向消除........58
3.3.4.模型解釋........58
3.3.5.特征歸一化.........59
3.3.6.使用KNIME具體實現歸一化....59
3.3.7.相關系數........60
3.4 課后練習 ..........61
▲
第4章 邏輯回歸.......63
4.1 邏輯回歸基本概念 ........63
4.1.1.分類問題........63
4.1.2.從線性回歸到邏輯回歸.....65
4.1.3.判定邊界........66
4.1.4.KNIME工作流........66
4.1.5.讀取數據........67
4.1.6.數據處理........67
4.1.7.模型訓練及測試.......68
4.1.8.模型評價........69
4.2 邏輯回歸實戰 ..........71
4.2.1.泰坦尼克號生存問題背景介紹....71
4.2.2.讀取數據........72
4.2.3.數據處理........73
4.2.4.數據可視化及刪除無關列.....75
4.2.5.模型訓練和測試.......82
4.2.6.模型評價........83
4.2.7.提交結果........85
4.2.8.模型解釋........89
4.3 課后練習 ..........90
▲
第5章 模型優化.......91
5.1 梯度下降 ..........91
5.1.1.損失函數........92
5.1.2.使用KNIME優化模型......96
5.2 正則化 ..........98
5.2.1.準確性和健壯性.......98
5.2.2.復雜的模型.........98
5.2.3.欠擬合和過擬合.......98
5.2.4.正則化防止過擬合.......100
5.2.5.使用KNIME設置正則化......100
5.3 模型評價 ..........101
5.3.1.混淆矩陣........101
5.3.2.F1..........103
5.3.3.ROC曲線和AUC.......104
5.4 課后練習 ..........106
▲
第6章 支持向量機......107
6.1 支持向量機基本概念 ........107
6.1.1.支持向量機是什么.......107
6.1.2.支持向量是什么.......108
6.1.3.邏輯回歸與支持向量機的比較....108
6.1.4.核..........110
6.1.5.線性核模型調參.......111
6.1.6.非線性核模型調參.......113
6.1.7.C與 γ.........114
6.2 SVM初戰 ..........114
6.2.1..問題說明........114
6.2.2.建立工作流.......114
6.2.3.數據觀察........115
6.2.4.模型訓練與測試.......117
6.2.5.觀察結果........118
6.3 支持向量機解決泰坦尼克號問題 ......119
6.3.1.歸一化........119
6.3.2.核函數........120
6.3.3.新建工作流.......120
6.3.4.C參數.........123
6.4 一個重要的問題 ........124
6.5 課后練習 ..........124
▲
第7章 決策樹.......125
7.1 決策樹簡介 ..........125
7.1.1.決策樹的優點.......125
7.1.2.決策樹的缺點.......126
7.1.3.防止過擬合.......126
7.1.4.問題解析........126
7.1.5.奧卡姆剃刀.......128
7.1.6.提前結束........128
7.1.7.剪枝..........130
7.1.8.組合算法........131
7.1.9.Adaboosting.......133
7.2 使用決策樹解決泰坦尼克號生存問題 ....135
7.3 決策樹高級應用實戰——特征工程 ....137
7.3.1.數據探尋........137
7.3.2.特征工程........143
7.3.3.異常數據處理.......146
7.4 決策樹高級應用實戰——模型建立與比較 ....149
7.4.1.決策樹........149
7.4.2.袋裝..........153
7.4.3.隨機森林........157
7.4.4.提升..........159
7.5 課后練習 ..........160
▲
第8章 深入理解決策樹.....161
8.1 決策樹進階 ..........161
8.1.1.如何構建決策樹.......161
8.1.2.ID3算法決定什么是最好的....162
8.1.3.CART算法決定什么是最好的.....164
8.1.4.KNIME設置........165
8.2 數據不平衡問題優化 ........165
8.2.1.多數數據降采樣.......166
8.2.2.少數數據過采樣.......168
8.2.3.SMOTE算法........170
8.3 課后練習 ..........172
▲
第9章 貝葉斯分析......173
9.1 貝葉斯定理 ..........173
9.1.1.基本術語........173
9.1.2.條件概率........174
9.1.3.全概率和貝葉斯.......176
9.1.4.貝葉斯定理.......176
9.1.5.貝葉斯定理在機器學習中的應用....177
9.2 貝葉斯算法解決銀行客戶分類問題 ....178
9.2.1.工作流........178
9.2.2.貝葉斯算法的學習器節點.....178
9.3 情感分析案例 ........179
9.3.1.安裝插件........179
9.3.2.建立工作流.......180
9.4 課后練習 ..........183
▲
第10章 深度學習.......185
10.1 深度學習簡介 ........185
10.1.1.深度學習的關鍵.......186
10.1.2.我們的目標.......186
10.1.3.深度學習圖像識別原理概述....187
10.1.4.圖像識別探析.......187
10.2 卷積神經網絡（CNN） .......189
10.2.1.CNN基本原理......189
10.2.2.常用CNN模型......193
10.3 KNIME實現卷積神經網絡 ......195
10.3.1.環境構建.........195
10.3.2.安裝所需的工具.......195
10.3.3.步驟分析.........198
10.4 深度學習開源應用舉例 ......199
10.5 深度學習工商業應用舉例 ......201
10.6 課后練習 ..........205
▲
參考文獻.........206 |
| 序： |
|
