机器学习技术及应用

反侵权盗版声明

习题

本章小结

6.4 强化学习实例

6.3 有模型学习和无模型学习

6.2 强化学习基础

6.1 强化学习概述

第6章 强化学习

习题

本章小结

5.3 手写数字识别实例

5.2 房价预测实例

5.1 人工神经网络概述

第5章 人工神经网络

习题

本章小结

4.3 K-means聚类算法

4.2 主成分分析降维算法

4.1 非监督学习概述

第4章 非监督学习

习题

本章小结

3.4 支持向量机算法

3.3 k近邻算法

3.2 决策树算法

3.1 线性回归算法

第3章 监督学习

习题

本章小结

2.3 常见机器学习库函数功能介绍

2.2 机器学习开发环境搭建

2.1 机器学习相关软件介绍

第2章 基于Python语言的机器学习环境搭建与配置

习题

本章小结

1.2 机器学习的分类及典型算法

1.1 机器学习简介

第1章 机器学习介绍

前言

编委会

内容简介

作者简介

版权信息

封面

封面

版权信息

作者简介

内容简介

编委会

前言

第1章 机器学习介绍

1.1 机器学习简介

1.2 机器学习的分类及典型算法

本章小结

习题

第2章 基于Python语言的机器学习环境搭建与配置

2.1 机器学习相关软件介绍

2.2 机器学习开发环境搭建

2.3 常见机器学习库函数功能介绍

本章小结

习题

第3章 监督学习

3.1 线性回归算法

3.2 决策树算法

3.3 k近邻算法

3.4 支持向量机算法

本章小结

习题

第4章 非监督学习

4.1 非监督学习概述

4.2 主成分分析降维算法

4.3 K-means聚类算法

本章小结

习题

第5章 人工神经网络

5.1 人工神经网络概述

5.2 房价预测实例

5.3 手写数字识别实例

本章小结

习题

第6章 强化学习

6.1 强化学习概述

6.2 强化学习基础

6.3 有模型学习和无模型学习

6.4 强化学习实例

本章小结

习题

反侵权盗版声明