MATLAB機(jī)器學(xué)習(xí)

定　價(jià)：￥69.00

作　者：	[意] 朱塞佩·恰布羅（Giuseppe Ciaburro）著，張雅仁，李洋譯
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

京東 (￥69.00)

ISBN：	9787115532039	出版時(shí)間：	2020-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	232	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　MATLAB為機(jī)器學(xué)習(xí)領(lǐng)域提供了必要的工具。用戶可以借助MATLAB環(huán)境提供的強(qiáng)大交互式圖形界面，非常輕松地解決機(jī)器學(xué)習(xí)問題。本書在介紹每個(gè)主題前，會(huì)簡(jiǎn)要概述其理論基礎(chǔ)，然后輔以實(shí)際案例進(jìn)行闡釋。通過閱讀本書，讀者能夠應(yīng)用機(jī)器學(xué)習(xí)方法，并能充分利用MATLAB的功能解決實(shí)際問題?！禡ATLAB機(jī)器學(xué)習(xí)》前3章主要介紹MATLAB機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)、使用MATLAB導(dǎo)入數(shù)據(jù)和組織數(shù)據(jù)的方法以及從數(shù)據(jù)到知識(shí)發(fā)掘的方法，中間3章主要介紹回歸分析、分類分析以及無監(jiān)督學(xué)習(xí)，最后3章介紹人工神經(jīng)網(wǎng)絡(luò)、降維變換的方法以及機(jī)器學(xué)習(xí)實(shí)戰(zhàn)的相關(guān)知識(shí)。本書可供數(shù)據(jù)分析員、數(shù)據(jù)科學(xué)家以及任何希望學(xué)習(xí)機(jī)器學(xué)習(xí)算法以及構(gòu)建數(shù)據(jù)處理、預(yù)測(cè)應(yīng)用的讀者閱讀。

作者簡(jiǎn)介

　　朱塞佩·恰布羅（Giuseppe Ciaburro），獲有意大利那不勒斯腓特烈二世大學(xué)（Università degli Studi di Napoli Federico Ⅱ）的化學(xué)工程碩士學(xué)位和那不勒斯第二大學(xué)（Seconda Università degli Studi di Napoli）的聲學(xué)和噪聲控制碩士學(xué)位。他目前在意大利坎帕尼亞的一所大學(xué)（Università degli Studi della Campania“Luigi Vanvitelli”）的建成環(huán)境控制實(shí)驗(yàn)室工作。他在燃燒領(lǐng)域以及聲學(xué)和噪聲控制領(lǐng)域方面有15年以上的編程工作經(jīng)驗(yàn)。他使用的核心編程語言是Python和R，并且在使用MATLAB上也有豐富的經(jīng)驗(yàn)。Giuseppe雖為聲學(xué)和噪聲控制領(lǐng)域的專家，但他在專業(yè)計(jì)算機(jī)課程的教學(xué)以及在線課程方面也有豐富的經(jīng)驗(yàn)。他出版過專著，也在科學(xué)期刊、主題會(huì)議上發(fā)表過文章。近期他的研究方向是將機(jī)器學(xué)習(xí)應(yīng)用到聲學(xué)和噪聲控制理論中。

圖書目錄

第 1章 MATLAB機(jī)器學(xué)習(xí)初體驗(yàn) 1
1．1　機(jī)器學(xué)習(xí)基礎(chǔ)　1
1．2　機(jī)器學(xué)習(xí)算法的分類　4
1．2．1　監(jiān)督學(xué)習(xí)　4
1．2．2　非監(jiān)督學(xué)習(xí)　5
1．2．3　強(qiáng)化學(xué)習(xí)　5
1．3　選擇正確的算法　6
1．4　構(gòu)建機(jī)器學(xué)習(xí)模型的流程　7
1．5　MATLAB中的機(jī)器學(xué)習(xí)支持簡(jiǎn)介　8
1．5．1　操作系統(tǒng)、硬件平臺(tái)要求　10
1．5．2　MATLAB安裝要求　11
1．6　統(tǒng)計(jì)機(jī)器學(xué)習(xí)工具箱　11
1．6．1　數(shù)據(jù)類型　13
1．6．2　統(tǒng)計(jì)機(jī)器學(xué)習(xí)工具箱功能簡(jiǎn)介　13
1．7　神經(jīng)網(wǎng)絡(luò)工具箱　18
1．8　MATLAB中的統(tǒng)計(jì)學(xué)和線性代數(shù)　19
1．9　總結(jié)　21
第　2章使用MATLAB導(dǎo)入數(shù)據(jù)和組織數(shù)據(jù)　22
2．1　熟悉MATLAB桌面　22
2．2　將數(shù)據(jù)導(dǎo)入MATLAB　27
2．2．1　導(dǎo)入向?qū)А?7
2．2．2　通過程序語句導(dǎo)入數(shù)據(jù)　29
2．3　從MATLAB導(dǎo)出數(shù)據(jù)　36
2．4　處理媒體文件　37
2．4．1　處理圖像數(shù)據(jù)　37
2．4．2　音頻的導(dǎo)入/導(dǎo)出　39
2．5　數(shù)據(jù)組織　39
2．5．1　元胞數(shù)組　40
2．5．2　結(jié)構(gòu)體數(shù)組　42
2．5．3　table類型　44
2．5．4　分類數(shù)組　46
2．6　總結(jié)　47
第3章　從數(shù)據(jù)到知識(shí)挖掘　49
3．1　區(qū)分變量類別　50
3．1．1　定量變量　50
3．1．2　定性變量　50
3．2　數(shù)據(jù)準(zhǔn)備　51
3．2．1　初步查看數(shù)據(jù)　51
3．2．2　找到缺失值　53
3．2．3　改變數(shù)據(jù)類型　54
3．2．4　替換缺失值　54
3．2．5　移除缺失值　55
3．2．6　為表格排序　56
3．2．7　找到數(shù)據(jù)中的異常值　56
3．2．8　將多個(gè)數(shù)據(jù)源合并成一個(gè)數(shù)據(jù)源　57
3．3　探索性統(tǒng)計(jì)指標(biāo)—數(shù)值測(cè)量　59
3．3．1　位置測(cè)量　59
3．3．2　分散度的測(cè)量　61
3．3．3　分布形狀的測(cè)量　64
3．4　探索性可視化　66
3．4．1　圖形數(shù)據(jù)統(tǒng)計(jì)分析對(duì)話框　67
3．4．2　柱狀圖　70
3．4．3　箱形圖　75
3．4．4　散點(diǎn)圖　77
3．5　總結(jié)　78
第4章　找到變量之間的關(guān)系—回歸方法　80
4．1　尋找線性關(guān)系　80
4．1．1　最小二乘回歸　81
4．1．2　基本擬合接口　86
4．2　如何創(chuàng)建一個(gè)線性回歸模型　88
4．2．1　通過穩(wěn)健回歸消除異常值的影響　93
4．2．2　多元線性回歸　96
4．3　多項(xiàng)式回歸　101
4．4　回歸學(xué)習(xí)器App　103
4．5　總結(jié)　107
第5章　模式識(shí)別之分類算法　108
5．1　決策樹分類　108
5．2　概率分類模型—樸素貝葉斯分類　115
5．2．1　概率論基礎(chǔ)　116
5．2．2　使用樸素貝葉斯進(jìn)行分類　119
5．2．3　MATLAB中的貝葉斯方法　120
5．3　判別分析分類　123
5．4　k鄰近算法　128
5．5　MATLAB分類學(xué)習(xí)器App　132
5．6　總結(jié)　136
第6章　無監(jiān)督學(xué)習(xí)　137
6．1　聚類分析簡(jiǎn)介　137
6．1．1　相似度與離散度指標(biāo)　138
6．1．2　聚類方法類型簡(jiǎn)介　139
6．2　層次聚類算法　141
6．2．1　層次聚類中的相似度指標(biāo)　141
6．2．2　定義層次聚類中的簇　143
6．2．3　如何理解層次聚類圖　145
6．2．4　驗(yàn)證聚類結(jié)果　147
6．3　k均值聚類—基于均值聚類　148
6．3．1　k均值算法　148
6．3．2　函數(shù)kmeans()　149
6．3．3　silhouette圖—可視化聚類結(jié)果　152
6．4　k中心點(diǎn)聚類—基于樣本中心聚類　153
6．4．1　什么是中心點(diǎn)　154
6．4．2　函數(shù)kmedoids()　154
6．4．3　評(píng)估聚類結(jié)果　156
6．5　高斯混合模型聚類　156
6．5．1　高斯分布　156
6．5．2　MATLAB中的GMM支持　157
6．5．3　使用后驗(yàn)概率分布進(jìn)行聚類　159
6．6　總結(jié)　160
第7章　人工神經(jīng)網(wǎng)絡(luò)——模擬人腦的思考方式　162
7．1　神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介　162
7．2　神經(jīng)網(wǎng)絡(luò)基礎(chǔ)構(gòu)成　165
7．2．1　隱藏層數(shù)量　170
7．2．2　每層的節(jié)點(diǎn)數(shù)量　170
7．2．3　神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法　170
7．3　神經(jīng)網(wǎng)絡(luò)工具箱　171
7．4　工具箱的用戶界面　175
7．5　使用神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)擬合　176
7．5．1　如何使用擬合App（nftool）　178
7．5．2　腳本分析　186
7．6　總結(jié)　188
第8章　降維——改進(jìn)機(jī)器學(xué)習(xí)模型的性能　190
8．1　特征選擇　190
8．1．1　分步回歸　191
8．1．2　MATLAB中的分步回歸　192
8．2　特征提取　199
8．3　總結(jié)　210
第9章　機(jī)器學(xué)習(xí)實(shí)戰(zhàn)　211
9．1　用于預(yù)測(cè)混凝土質(zhì)量的數(shù)據(jù)擬合　211
9．2　使用神經(jīng)網(wǎng)絡(luò)診斷甲狀腺疾病　222
9．3　使用模糊聚類對(duì)學(xué)生進(jìn)行分簇　226
9．4　總結(jié)　231