图书详情

配套资源图书内容样章/电子教材图书评价

配套资源
本书资源
会员上传本书资源
为本书上传资源

图书内容

内容简介

书采用图形化的方法讲解人工智能和机器学习的知识与技术，并且借用图形化软件KNIME采用拖、拉、拽等“傻瓜式”的操作完成从简单到复杂的机器学习项目。全书分为三个部分，分别是人工智能技术入门、传统机器学习和深度学习。本书具有图说图解、自上而下、够用即止、实战掌握的特点，适合于作为人工智能入门者、人工智能技术应用者及高职高专院校理工科、本科院校非理工科专业学生的教材。

图书详情

ISBN：9787121368264

开本：16(185*260)

页数：220

字数：352

本书目录

目 录
CONTENT

 ▲
 第1章　人工智能及机器学习概述...................................1
1.1 人工智能概述 ............................................................................1
1.1.1.人工智能简史...............................................................2
1.1.2.人工智能是什么...........................................................4
1.1.3.人工智能的能力...........................................................5
1.2 机器学习概述 ............................................................................5
1.2.1.机器学习是什么...........................................................5
1.2.2.以监督学习为例...........................................................6
1.2.3.学习任务......................................................................7
1.2.4.机器学习要解决的基本问题.......................................7
1.2.5.机器学习如何优化模型...............................................7
1.2.6.机器学习工作流程.......................................................7
1.2.7.机器学习的各大流派...................................................8
1.2.8.机器学习算法选择.......................................................8
1.2.9.需要的知识...................................................................9
1.3 深度学习概述 ............................................................................9
1.4 机器学习与统计学 ....................................................................9
1.5 课后练习 ..................................................................................10
▲
 第2章　机器学习基础知识...........................................11
2.1 数学基础 ..................................................................................11
2.1.1.数据的分类.................................................................12
2.1.2.基本统计学术语.........................................................12
2.1.3.回归............................................................................14
2.1.4.最小二乘法.................................................................14
2.1.5.判断拟合好坏.............................................................15
2.1.6.小结............................................................................17
2.2 读图 ..........................................................................................17
2.2.1.数值数据的分布.........................................................17
2.2.2.分类数据的分布.........................................................18
2.3 KNIME .....................................................................................21
2.3.1.KNIME简介..............................................................21
2.3.2.下载和安装.................................................................21
2.3.3.KNIME基本使用.......................................................21
2.3.4.小结............................................................................28
2.4 课后练习 ..................................................................................28
▲
 第3章　线性回归.........................................................29
3.1 简单线性回归 ..........................................................................30
3.1.1.场景说明....................................................................30
3.1.2.KNIME建立工作流...................................................30
3.1.3.数据获取....................................................................30
3.1.4.观察数据....................................................................31
3.1.5.数据划分....................................................................33
3.1.6.模型训练....................................................................34
3.1.7.模型测试....................................................................37
3.1.8.损失函数....................................................................37
3.2 多元线性回归初步 ..................................................................38
3.2.1.任务及数据说明.........................................................38
3.2.2.建立基本的工作流.....................................................38
3.2.3.读取并观察数据.........................................................39
3.2.4.整合界面....................................................................49
3.3 多元线性回归进阶 ..................................................................51
3.3.1.优化模型....................................................................51
3.3.2.正向选择节点.............................................................55
3.3.3.反向消除....................................................................58
3.3.4.模型解释....................................................................58
3.3.5.特征归一化.................................................................59
3.3.6.使用KNIME具体实现归一化..................................59
3.3.7.相关系数....................................................................60
3.4 课后练习 ..................................................................................61
▲
 第4章　逻辑回归.........................................................63
4.1 逻辑回归基本概念 ..................................................................63
4.1.1.分类问题....................................................................63
4.1.2.从线性回归到逻辑回归.............................................65
4.1.3.判定边界....................................................................66
4.1.4.KNIME工作流..........................................................66
4.1.5.读取数据....................................................................67
4.1.6.数据处理....................................................................67
4.1.7.模型训练及测试.........................................................68
4.1.8.模型评价....................................................................69
4.2 逻辑回归实战 ..........................................................................71
4.2.1.泰坦尼克号生存问题背景介绍..................................71
4.2.2.读取数据....................................................................72
4.2.3.数据处理....................................................................73
4.2.4.数据可视化及删除无关列.........................................75
4.2.5.模型训练和测试.........................................................82
4.2.6.模型评价....................................................................83
4.2.7.提交结果....................................................................85
4.2.8.模型解释....................................................................89
4.3 课后练习 ..................................................................................90
▲
 第5章　模型优化.........................................................91
5.1 梯度下降 ..................................................................................91
5.1.1.损失函数....................................................................92
5.1.2.使用KNIME优化模型..............................................96
5.2 正则化 ......................................................................................98
5.2.1.准确性和健壮性.........................................................98
5.2.2.复杂的模型.................................................................98
5.2.3.欠拟合和过拟合.........................................................98
5.2.4.正则化防止过拟合...................................................100
5.2.5.使用KNIME设置正则化........................................100
5.3 模型评价 ................................................................................101
5.3.1.混淆矩阵..................................................................101
5.3.2.F1..............................................................................103
5.3.3.ROC曲线和AUC...................................................104
5.4 课后练习 ................................................................................106
▲
 第6章　支持向量机....................................................107
6.1 支持向量机基本概念 ............................................................107
6.1.1.支持向量机是什么...................................................107
6.1.2.支持向量是什么.......................................................108
6.1.3.逻辑回归与支持向量机的比较................................108
6.1.4.核..............................................................................110
6.1.5.线性核模型调参.......................................................111
6.1.6.非线性核模型调参...................................................113
6.1.7.C与 γ...........................................................................114
6.2 SVM初战 ..............................................................................114
6.2.1..问题说明..................................................................114
6.2.2.建立工作流...............................................................114
6.2.3.数据观察..................................................................115
6.2.4.模型训练与测试.......................................................117
6.2.5.观察结果..................................................................118
6.3 支持向量机解决泰坦尼克号问题 ........................................119
6.3.1.归一化......................................................................119
6.3.2.核函数......................................................................120
6.3.3.新建工作流...............................................................120
6.3.4.C参数.......................................................................123
6.4 一个重要的问题 ....................................................................124
6.5 课后练习 ................................................................................124
▲
 第7章　决策树...........................................................125
7.1 决策树简介 ............................................................................125
7.1.1.决策树的优点...........................................................125
7.1.2.决策树的缺点...........................................................126
7.1.3.防止过拟合...............................................................126
7.1.4.问题解析..................................................................126
7.1.5.奥卡姆剃刀...............................................................128
7.1.6.提前结束..................................................................128
7.1.7.剪枝..........................................................................130
7.1.8.组合算法..................................................................131
7.1.9.Adaboosting...............................................................133
7.2 使用决策树解决泰坦尼克号生存问题 ................................135
7.3 决策树高级应用实战——特征工程 ....................................137
7.3.1.数据探寻..................................................................137
7.3.2.特征工程..................................................................143
7.3.3.异常数据处理...........................................................146
7.4 决策树高级应用实战——模型建立与比较 ........................149
7.4.1.决策树......................................................................149
7.4.2.袋装..........................................................................153
7.4.3.随机森林..................................................................157
7.4.4.提升..........................................................................159
7.5 课后练习 ................................................................................160
▲
 第8章　深入理解决策树.............................................161
8.1 决策树进阶 ............................................................................161
8.1.1.如何构建决策树.......................................................161
8.1.2.ID3算法决定什么是最好的....................................162
8.1.3.CART算法决定什么是最好的...............................164
8.1.4.KNIME设置............................................................165
8.2 数据不平衡问题优化 ............................................................165
8.2.1.多数数据降采样.......................................................166
8.2.2.少数数据过采样.......................................................168
8.2.3.SMOTE算法............................................................170
8.3 课后练习 ................................................................................172
▲
 第9章　贝叶斯分析....................................................173
9.1 贝叶斯定理 ............................................................................173
9.1.1.基本术语..................................................................173
9.1.2.条件概率..................................................................174
9.1.3.全概率和贝叶斯.......................................................176
9.1.4.贝叶斯定理...............................................................176
9.1.5.贝叶斯定理在机器学习中的应用............................177
9.2 贝叶斯算法解决银行客户分类问题 ....................................178
9.2.1.工作流......................................................................178
9.2.2.贝叶斯算法的学习器节点.......................................178
9.3 情感分析案例 ........................................................................179
9.3.1.安装插件..................................................................179
9.3.2.建立工作流...............................................................180
9.4 课后练习 ................................................................................183
▲
 第10章　深度学习.......................................................185
10.1 深度学习简介 ......................................................................185
10.1.1.深度学习的关键.....................................................186
10.1.2.我们的目标.............................................................186
10.1.3.深度学习图像识别原理概述..................................187
10.1.4.图像识别探析.........................................................187
10.2 卷积神经网络（CNN） .....................................................189
10.2.1.CNN基本原理......................................................189
10.2.2.常用CNN模型......................................................193
10.3 KNIME实现卷积神经网络 ................................................195
10.3.1.环境构建.................................................................195
10.3.2.安装所需的工具.....................................................195
10.3.3.步骤分析.................................................................198
10.4 深度学习开源应用举例 ......................................................199
10.5 深度学习工商业应用举例 ..................................................201
10.6 课后练习 ..............................................................................205
▲
 参考文献.......................................................................206

展开

前言

前 言
PREFACE

1. 创作经历
本书作者团队大部分成员就职于深圳信息职业技术学院（以下简称信息学院）。作者们初入职信息学院时，感觉凭借自己高学历教专科生简直是杀鸡用牛刀，但是往往几节课后就深感到拳头打在棉花上，甚至是如履薄冰。几乎任何一个公式都能让学生们面面相觑，几乎任何一个算法都能让学生们变成大眼瞪小眼。学生经常单刀直入地提问题，简单粗暴：“老师，我学了这个能干什么”，而鲜有学生会问：“这个问题怎么做”“这个问题哪里出错了”“我这样做行不行”。但是一旦“能干什么”的问题明确了，随之而来会源源不断地问“怎样做”。各种“惨痛”的经历告诉我们，不解决目标问题，大多数学生没有兴趣；不解决复杂度问题，大多数学生无法掌握。
本书大多数作者都有较高的学历和较多的研究经历，深知学习的艰难和痛苦，更对“知识就是力量”有深切的体会。在作者们的学习阶段，往往发现找到一本合适的入门书是那么得难，开始就啃业界大牛的著作往往是一个从入门到放弃的过程，或者因为很多书公式过多而影响了核心理念的掌握，导致入门如登天。结合在信息学院的授课经验，我们总结出“图说图解、自上而下、够用即止、实战掌握”的教学方法，希望带给大家一本不一样的入门书。
借用凯撒的一句名言，希望大家“我来，我见，我征服”。
2. 创作背景
我们如何才能迈向新时代呢？答案就是拥抱新动能，而人工智能是新动能中最有代表性的一个。虽然人工智能和机器学习作为热门词汇早已进入了人们的视野，但是它们究竟是什么，可能社会上绝大多数人还是不知道，更别说知道它们能干什么了。但是在国家顶层，早就预见到了其力量，“十九大”报告指出：“加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合”。在这个大时代，为了让更多的人搭上新时代的电梯，我们精心设计所有内容，确保能学、会用、可进阶。
3. 知识体系
全书分为三个部分，分别是人工智能技术入门、传统机器学习和深度学习。
人工智能技术入门：这部分包括第1章及第2章，第1章主要从历史发展角度讲述人工智能，第2章在技术层面上为今后的学习打下“够用”的数学基础和KNIME操作基础。
传统机器学习：这部分是本书的主要部分，包括第3章到第9章，分别介绍线性回归、模型优化、逻辑回归、支持向量机、决策树、深入理解决策树和贝叶斯模型。在这部分中，我们会逐步掌握KNIME的使用，更重要的是逐步掌握机器学习的流程、数据的处理、模型的使用等技术。其中第5章模型优化和第8章深入理解决策树不是入门必备知识，可以作为选修内容。
深度学习：这部分内容只包括第10章，仅仅简单介绍深度学习的入门知识和应用技术。
4. 特色
本书的特色可以概括为“图说图解，自上而下，够用即止，实战掌握”。
“图说图解”是本书最显而易见的特色。本书将所有深奥难懂的机器学习原理图形化地展现及讲解，让读者能够从直觉上理解而不是从概念或者公式上理解。配合图形化的机器学习工具KNIME，使读者能够更方便快速地入门机器学习，免去了编程这个令初学者望而却步的前提条件。为了保证这一点，我们制作了大量的原创图片用于讲解，精挑细选了开源、免费、影响力大并且功能无限制的KNIME作为工具。
“自上而下”是本书的核心特色。本书从内容上以机器学习模型为明线，在这条明线外还有两条按照“自上而下”的教学理念设计的暗线。第一条暗线就是使用KNIME工具，从大致流程的掌握到细节的掌握，保证读者能够从大局上知道自己在干什么，进而知道细节上应该怎样设置。第二条暗线就是机器学习知识和技术由宏观理解到具体技能掌握，保证读者能够从宏观上理解一个机器学习项目的流程，接着再去理解具体技术的细节。为保证这一点，本书从简单模型入手逐步深入到复杂模型，从使用“干净”数据逐步扩展到使用“脏”数据。
“够用即止”是本书降低读者入门门槛和学习负担的保障。本书省略了大量的理论推导和公式计算，仅通过图形化方法从概念上让读者理解算法的原理，具体操作时直接使用KNIME工具即可完成。而且对于机器学习应用者来说，大多数人也没有必要理解背后的理论及公式，即使之后不用KNIME而使用Python，也是编写几句代码就可以解决的，没有必要去深究理论。为了保证这一点，我们删除了大量的公式，增加了大量的图解。
“实战掌握”是验证本书是否成功的关键。纸上谈兵毕竟不是真本事，本书采用Kaggle机器学习平台的真实竞赛为实战项目，从入门项目泰坦尼克号到复杂项目银行客户分类，在实战中使读者逐步掌握机器学习的流程、模型的设置、数据清洗、非平衡数据的处理等问题。
5. 本书是什么
本书是一本机器学习的入门书。
本书是一本关于机器学习应用的书。
本书的目标是使一个高中水平的读者通过本书能够入门机器学习，并掌握足够的进一步提升的能力。
本书也可以看成是机器学习图解的KNIME软件教程。
6. 本书不是什么
本书不研究任何机器学习公式、理论。
本书不覆盖任何机器学习模型。
本书字不多。
7. 如何使用本书
对于具有理工科背景的同学来说，建议从头至尾学习每章内容以了解每个模型的原理及其应用。对于非理工科背景或者仅仅关心模型应用的同学，可以直接阅读模型使用部分，而将模型原理部分当作手册参考即可。
每章的最后都有课后练习部分，请大家仔细思考。所有答案、模型源文件和数据都可以扫描下面的二维码索取。


关注公众号查看本书所有答案、模型源文件和数据
更多反馈可以加作者微信进入图说图解机器学习交流群交流。


作者微信
8. 编写分工
耿煜：主笔，主要负责全书的组织设计、案例分析和整体结构。
李钦：案例搜集整理与筛选。
杨耿：深度学习案例与应用。
邱婉：图解设计及绘图。
9. 致谢
感谢深圳信息职业技术学院各位老师和同学的帮助，感谢深圳兆阳信息技术研究院各位工程师的协助，感谢我们的家人、朋友。没有你们的帮助就没有这本书的问世。

展开

作者简介

本书暂无作者简介

样章试读

查看样章电子教材
图书评价我要评论

本书资源

会员上传本书资源

内容简介

图书详情

本书目录

前 言

作者简介

前言