目 錄
前言

第1章 機(jī)器學(xué)習(xí)基礎(chǔ) 1
1.1 機(jī)器學(xué)習(xí)簡(jiǎn)介 1
1.2 機(jī)器學(xué)習(xí)任務(wù) 4
1.2.1 機(jī)器學(xué)習(xí)問(wèn)題 4
1.2.2 機(jī)器學(xué)習(xí)典型任務(wù) 5
1.2.3 機(jī)器學(xué)習(xí)應(yīng)用場(chǎng)景 7
1.3 搭建機(jī)器學(xué)習(xí)開發(fā)環(huán)境 7
1.3.1 開發(fā)環(huán)境系統(tǒng)要求 7
1.3.2 Windows10系統(tǒng)平臺(tái)下搭建開發(fā)
環(huán)境 7
1.3.3 Linux系統(tǒng)平臺(tái)下搭建開發(fā)環(huán)境 16
1.4 機(jī)器學(xué)習(xí)常用庫(kù)概述 21
1.4.1 庫(kù)簡(jiǎn)介 21
1.4.2 庫(kù)安裝及集成 22
1.5 機(jī)器學(xué)習(xí)框架概述 24
1.6 機(jī)器學(xué)習(xí)開源平臺(tái) 25
1.7 小結(jié) 29
習(xí)題 29
參考文獻(xiàn) 29
第2章 特征選擇與降維 30
2.1 特征選擇簡(jiǎn)介 30
2.2 特征選擇方法 32
2.2.1 過(guò)濾式方法 32
2.2.2 包裹式方法 37
2.2.3 嵌入式方法 41
2.3 降維技術(shù) 46
2.4 主成分分析 56
2.5 綜合案例：基于feature_selector
庫(kù)的商業(yè)信貸特征選擇 60
2.6 小結(jié) 64
習(xí)題 65
參考文獻(xiàn) 65
第3章 典型學(xué)習(xí)算法 66
3.1 回歸算法 66
3.1.1 回歸簡(jiǎn)介 66
3.1.2 回歸技術(shù) 67
3.1.3 常用回歸算法 68
3.1.4 回歸評(píng)價(jià)標(biāo)準(zhǔn) 74
3.1.5 案例：房屋價(jià)格回歸分析 75
3.2 聚類算法 77
3.2.1 聚類簡(jiǎn)介 77
3.2.2 聚類技術(shù) 78
3.2.3 常用聚類算法 78
3.2.4 聚類評(píng)價(jià)標(biāo)準(zhǔn) 82
3.2.5 案例：用戶社區(qū)聚類分析 83
3.3 分類算法 85
3.3.1 分類簡(jiǎn)介 86
3.3.2 分類技術(shù) 86
3.3.3 常用分類算法 86
3.3.4 分類評(píng)價(jià)標(biāo)準(zhǔn) 90
3.3.5 案例：新聞分類 92
3.4 支持向量機(jī) 95
3.4.1 支持向量機(jī)簡(jiǎn)介 95
3.4.2 間隔 96
3.4.3 核函數(shù)與方法 99
3.4.4 案例：垃圾郵件過(guò)濾 100
3.5 決策樹 102
3.5.1 決策樹簡(jiǎn)介 102
3.5.2 構(gòu)造及基本流程 103
3.5.3 剪枝方法 105
3.5.4 案例：鳶尾花預(yù)測(cè)應(yīng)用 106
3.6 綜合案例：基于隨機(jī)森林回歸的
空氣質(zhì)量預(yù)測(cè) 107
3.7 小結(jié) 111
習(xí)題 111
參考文獻(xiàn) 111
第4章 深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò) 113
4.1 深度學(xué)習(xí) 113
4.1.1 深度學(xué)習(xí)簡(jiǎn)介 113
4.1.2 深度學(xué)習(xí)框架 115
4.2 神經(jīng)網(wǎng)絡(luò) 116
4.2.1 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 116
4.2.2 前饋神經(jīng)網(wǎng)絡(luò) 119
4.2.3 圖神經(jīng)網(wǎng)絡(luò) 121
4.2.4 圖卷積神經(jīng)網(wǎng)絡(luò) 123
4.3 深度神經(jīng)網(wǎng)絡(luò) 126
4.3.1 深度神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 126
4.3.2 深度神經(jīng)網(wǎng)絡(luò)模型 128
4.3.3 案例：手寫數(shù)字識(shí)別 129
4.4 卷積神經(jīng)網(wǎng)絡(luò) 133
4.4.1 卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 133
4.4.2 典型卷積神經(jīng)網(wǎng)絡(luò)算法 135
4.4.3 案例：貓狗分類應(yīng)用 143
4.5 循環(huán)神經(jīng)網(wǎng)絡(luò) 147
4.5.1 循環(huán)神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 147
4.5.2 典型循環(huán)神經(jīng)網(wǎng)絡(luò)算法 149
4.5.3 案例：文本分類 151
4.6 長(zhǎng)短期記憶網(wǎng)絡(luò) 155
4.6.1 長(zhǎng)短期記憶網(wǎng)絡(luò)簡(jiǎn)介 155
4.6.2 典型長(zhǎng)短期記憶網(wǎng)絡(luò)算法 156
4.6.3 案例：文本生成應(yīng)用 158
4.7 綜合案例 162
4.7.1 驗(yàn)證碼識(shí)別 162
4.7.2 自動(dòng)寫詩(shī)機(jī)器人 170
4.8 小結(jié) 174
習(xí)題 175
參考文獻(xiàn) 175
第5章 集成學(xué)習(xí)與遷移學(xué)習(xí) 178
5.1 集成學(xué)習(xí) 178
5.1.1 集成學(xué)習(xí)簡(jiǎn)介 178
5.1.2 集成學(xué)習(xí)算法 179
5.1.3 集成學(xué)習(xí)應(yīng)用 181
5.2 遷移學(xué)習(xí) 182
5.2.1 遷移學(xué)習(xí)簡(jiǎn)介 182
5.2.2 遷移學(xué)習(xí)分類 183
5.2.3 遷移學(xué)習(xí)算法 184
5.2.4 遷移學(xué)習(xí)應(yīng)用 187
5.3 綜合案例：欺詐檢測(cè)應(yīng)用 188
5.4 小結(jié) 191
習(xí)題 192
參考文獻(xiàn) 192
第6章 強(qiáng)化學(xué)習(xí) 194
6.1 強(qiáng)化學(xué)習(xí)簡(jiǎn)介 194
6.2 強(qiáng)化學(xué)習(xí)技術(shù) 196
6.2.1 有模型強(qiáng)化學(xué)習(xí)與無(wú)模型強(qiáng)化
學(xué)習(xí) 196
6.2.2 推薦系統(tǒng) 197
6.2.3 模仿學(xué)習(xí) 200
6.2.4 Q-learning算法 201
6.2.5 蒙特卡羅強(qiáng)化學(xué)習(xí) 202
6.2.6 時(shí)序差分強(qiáng)化學(xué)習(xí) 202
6.3 綜合案例：飛揚(yáng)小鳥游戲 203
6.4 小結(jié) 206
習(xí)題 207
參考文獻(xiàn) 207
第7章 計(jì)算機(jī)視覺技術(shù) 209
7.1 計(jì)算機(jī)視覺簡(jiǎn)介 209
7.2 計(jì)算機(jī)視覺基礎(chǔ) 211
7.2.1 圖像表示 211
7.2.2 圖像讀取、存儲(chǔ) 212
7.2.3 視頻捕獲及流保存 218
7.2.4 圖像計(jì)算 220
7.2.5 圖像二值化及平滑 221
7.2.6 圖像變換及形態(tài)學(xué)操作 229
7.2.7 圖像輪廓檢測(cè) 237
7.3 計(jì)算機(jī)視覺開發(fā)平臺(tái) 242
7.3.1 ARM嵌入式人工智能開發(fā)平臺(tái) 242
7.3.2 嵌入式GPU人工智能開發(fā)平臺(tái) 242
7.3.3 計(jì)算機(jī)視覺綜合開發(fā)平臺(tái) 243
7.4 典型算法 244
7.4.1 LeNet算法 244
7.4.2 MobileNets算法 249
7.4.3 目標(biāo)檢測(cè)算法 258
7.5 綜合案例：基于深度神經(jīng)網(wǎng)絡(luò)的
人臉表情識(shí)別 264
7.6 小結(jié) 271
習(xí)題 272
參考文獻(xiàn) 272
第8章 語(yǔ)音識(shí)別 274
8.1 語(yǔ)音識(shí)別技術(shù)簡(jiǎn)介 274
8.2 常用工具及平臺(tái) 276
8.2.1 語(yǔ)音識(shí)別工具 276
8.2.2 語(yǔ)音識(shí)別平臺(tái) 279
8.3 語(yǔ)音數(shù)據(jù)特征處理 283
8.4 典型算法 286
8.5 在線語(yǔ)音識(shí)別 292
8.5.1 音頻流識(shí)別 293
8.5.2 文本轉(zhuǎn)語(yǔ)音 294
8.5.3 視頻字幕文本生成 295
8.6 綜合案例：基于端到端的中文
語(yǔ)音識(shí)別 302
8.7 小結(jié) 306
習(xí)題 306
參考文獻(xiàn) 306
第9章 AI云開發(fā)平臺(tái) 308
9.1 AI云開發(fā)簡(jiǎn)介 308
9.2 云開發(fā)平臺(tái) 311
9.2.1 百度云開發(fā)平臺(tái) 312
9.2.2 阿里云開發(fā)平臺(tái) 320
9.2.3 Face 云開發(fā)平臺(tái) 324
9.2.4 科大訊飛云平臺(tái) 329
9.3 綜合案例 333
9.3.1 基于EasyDL的多物體識(shí)別 333
9.3.2 基于PaddlePaddle的CNN圖像
識(shí)別 340
9.4 小結(jié) 350
習(xí)題 350
參考文獻(xiàn) 351