人工智能算法 卷1 基础算法PDF电子书下载

查看更多关于的内容

第1章 AI入门 1

1.1与人类大脑的联系 2

1.1.1大脑和真实世界 3

1.1.2缸中之脑 5

1.2对问题建模 6

1.2.1数据分类 7

1.2.2回归分析 9

1.2.3聚类问题 10

1.2.4时序问题 10

1.3对输入/输出建模 11

1.3.1一个简单的例子 15

1.3.2燃油效率 16

1.3.3向算法传入图像 18

1.3.4金融算法 20

1.4理解训练过程 21

1.4.1评估成果 22

1.4.2批量学习和在线学习 22

1.4.3监督学习和非监督学习 23

1.4.4随机学习和确定学习 23

1.5本章小结 23

第2章 数据归一化 25

2.1计量尺度 25

2.1.1定性观测值 27

2.1.2定量观测值 28

2.2观测值归一化 29

2.2.1名义量归一化 30

2.2.2顺序量归一化 32

2.2.3顺序量解归一化 34

2.2.4数字量归一化 35

2.2.5数字量解归一化 37

2.3其他归一化方法 38

2.3.1倒数归一化 38

2.3.2倒数解归一化 39

2.3.3理解等边编码法 39

2.3.4等边编码法的实现 41

2.4本章小结 46

第3章 距离度量 47

3.1理解向量 47

3.2计算向量距离 49

3.2.1欧氏距离 49

3.2.2曼哈顿距离 51

3.2.3切比雪夫距离 53

3.3光学字符识别 54

3.4本章小结 57

第4章 随机数生成 59

4.1伪随机数生成算法的概念 60

4.2随机数分布类型 61

4.3轮盘模拟法 64

4.4伪随机数生成算法 65

4.4.1线性同余生成法 66

4.4.2进位乘数法 67

4.4.3梅森旋转算法 68

4.4.4 Box-Muller转换法 70

4.5用蒙特卡洛方法估算PI值 72

4.6本章小结 74

第5章 K均值聚类算法 75

5.1理解训练集 77

5.1.1非监督学习 77

5.1.2监督学习 80

5.2理解K均值算法 80

5.2.1分配 81

5.2.2更新 83

5.3 K均值算法的初始化 84

5.3.1随机K均值初始化 84

5.3.2 K均值算法的Forgy初始化 87

5.4本章小结 90

第6章 误差计算 91

6.1方差和误差 92

6.2均方根误差 93

6.3均方误差 93

6.4误差计算方法的比较 94

6.5本章小结 96

第7章 迈向机器学习 97

7.1多项式系数 99

7.2训练入门 101

7.3径向基函数网络 103

7.3.1径向基函数 104

7.3.2径向基函数网络 107

7.3.3实现径向基函数网络 109

7.3.4应用径向基函数网络 113

7.4本章小结 115

第8章 优化训练 117

8.1爬山算法 117

8.2模拟退火算法 121

8.2.1模拟退火算法的应用 122

8.2.2模拟退火算法 123

8.2.3冷却进度 126

8.2.4退火概率 127

8.3 Nelder-Mead算法 128

8.3.1反射 130

8.3.2扩张操作 131

8.3.3收缩操作 132

8.4 Nelder-Mead算法的终止条件 133

8.5本章小结 134

第9章 离散优化 135

9.1旅行商问题 135

9.1.1旅行商问题简要说明 136

9.1.2旅行商问题求解的实现 137

9.2环形旅行商问题 138

9.3背包问题 139

9.3.1背包问题简要说明 140

9.3.2背包问题求解的实现 141

9.4本章小结 143

第10章 线性回归 144

10.1线性回归 144

10.1.1最小二乘法拟合 146

10.1.2最小二乘法拟合示例 148

10.1.3安斯库姆四重奏 149

10.1.4鲍鱼数据集 151

10.2广义线性模型 152

10.3本章小结 155

附录A 示例代码使用说明 157

A.1系列图书简介 157

A.2保持更新 157

A.3获取示例代码 158

A.3.1下载压缩文件 158

A.3.2克隆Git仓库 159

A.4示例代码的内容 159

A.5如何为项目做贡献 163

参考资料 164

查看更多关于的内容