【下载】《机器学习》+《机器学习实战》

1.机器学习

简介：

机器学习是计算机科学与人工智能的重要分支领域。 本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面。 为了使尽可能多的读者通过本书对机器学习有所了解， 作者试图尽可能少地使用数学知识。 然而， 少量的概率、统计、代数、优化、逻辑知识似乎不可避免。 因此， 本书更适合大学三年级以上的理工科本科生和研究生， 以及具有类似背景的对机器学 习感兴趣的人士。 为方便读者， 本书附录给出了一些相关数学基础知识简介。

目录：

全书共16 章，大致分为3 个部分：

第1 部分（第1～3 章）介绍机器学习的基础知识；

第2 部分（第4～10 章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；

第3 部分（第11～16 章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等。

2.机器学习实战

简介：

机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。

本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。

全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。

目录：

第一部分　分类

第1章　机器学习基础　　2

第2章　k-近邻算法 　　15

第3章　决策树 　　32

第4章　基于概率论的分类方法：朴素贝叶斯 　　53

第5章　Logistic回归 　　73

第6章　支持向量机　　89

第7章　利用AdaBoost元算法提高分类

第二部分　利用回归预测数值型数据

第8章　预测数值型数据：回归 　　136

第9章　树回归　　159

第三部分　无监督学习

第10章　利用K-均值聚类算法对未标注数据分组　　184

第11章　使用Apriori算法进行关联分析　　200

第12章　使用FP-growth算法来高效发现频繁项集　　223

第四部分　其他工具

第13章　利用PCA来简化数据　　242

第14章　利用SVD简化数据　　252

第15章　大数据与MapReduce　　270

附录A 　Python入门　　294

附录B 　线性代数　　303

附录C 　概率论复习　　309

附录D 　资源　　312

索引　　313

版权声明　　316

点击“阅读原文”即可免费下载

精华回顾：

华强聚丰拥有电子发烧友（百万电子工程师社区平台：www.elecfans.com）、华强PCB（多层线路板制造专家：www.hqpcb.com）、华强芯城（电子元器件及SMT在线商城：www.hqchip.com）三大主营业务，以互联网信息技术改善传统制造业，打通电子产业链上下游，形成服务于整个电子产业链的一站式服务平台，为客户降低成本，提升品质，加速进程。