全书分为准备篇、基础篇、统计分析实战篇和机器学习实战篇。准备篇介绍了机器学习的发展及应用前景以及常
用科学计算平台，主要包括统计分析语言R、机器学习模块mlpy和Neurolab、科学计算平台Numpy、图像识别软
件包OpenCV、网页分析BeautifulSoup等软件的安装与配置。基础篇先对数学基础及其在机器学习领域的应用进
行讲述，同时推荐配套学习的数学书籍，然后运用实例说明计算平台的使用，以Python和R为实现语言，重点讲解
了图像算法、信息隐藏、最小二乘法拟合、因子频率分析、欧氏距离等，告诉读者如何使用计算平台完成工程应用。
最后，通过大量统计分析和机器学习案例提供实践指南，首先讲解回归分析、区间分布、数据图形化、分布趋势、正
态分布、分布拟合等数据分析基础，然后讲解神经网络、统计算法、欧氏距离、余弦相似度、线性与非线性回归、数
据拟合、线性滤波、图像识别、人脸辨识、网页分类等机器学习算法。此书可供算法工程师、IT 专业人员以及机器学
习爱好者参考使用。
机器学习实践指南++案例应用解析+麦好.pdf
08340611094[下载].rar
|
收藏
