《機器學(xué)習(xí)從線性回歸到大模型》以回歸為主線，系統(tǒng)介紹統(tǒng)計學(xué)、機器學(xué)習(xí)與深度學(xué)習(xí)中最常用的分類與回歸方法，力圖在大數(shù)據(jù)與人工智能背景下，突破傳統(tǒng)統(tǒng)計建模的局限，構(gòu)建一個融合多學(xué)科視角的現(xiàn)代回歸分析框架。
全書覆蓋線性回歸、嶺回歸、Lasso、Logistic回歸等經(jīng)典線性模型，決策樹、隨機森林、GBDT、XGBoost等集成方法，BP神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)模型，以及基于Transformer的大語言模型（如BERT和GPT）。 此外，《機器學(xué)習(xí)從線性回歸到大模型》還介紹因果推斷方法、模型可解釋性工具（如SHAP）與遷移學(xué)習(xí)等前沿技術(shù)，強調(diào)跨學(xué)科融合，關(guān)注算法應(yīng)用場景. 書中穿插算法發(fā)展史，展現(xiàn)行業(yè)應(yīng)用，聚焦人工智能在中國的發(fā)展脈絡(luò)，增強學(xué)生的責(zé)任意識與現(xiàn)實關(guān)懷。
《機器學(xué)習(xí)從線性回歸到大模型》配套案例涵蓋農(nóng)業(yè)、醫(yī)學(xué)等領(lǐng)域，以場景建模為理念，展現(xiàn)模型與國家、行業(yè)需求緊密結(jié)合的完整建模流程。 配套習(xí)題涵蓋風(fēng)控、幸福感預(yù)測、圖像識別、視頻生成等主題，具有實踐性和挑戰(zhàn)性，有助于培養(yǎng)實戰(zhàn)能力。
《機器學(xué)習(xí)從線性回歸到大模型》算法基于Python實現(xiàn)，深度學(xué)習(xí)部分使用TensorFlow與Keras框架，配套提供案例和習(xí)題數(shù)據(jù)集、案例源代碼，便于教學(xué)和自學(xué)使用。
《機器學(xué)習(xí)從線性回歸到大模型》適用于統(tǒng)計、數(shù)據(jù)科學(xué)、人工智能、經(jīng)濟管理等專業(yè)的本科生與研究生，可作為回歸分析統(tǒng)計模型機器學(xué)習(xí)等課程教材，也可作為人工智能通識教材使用，同時可供數(shù)據(jù)分析相關(guān)從業(yè)者參考。