機器學習與深度學習算法基礎(chǔ)

本書共分為上下兩篇，共18章：其中第一篇為經(jīng)典機器學習模型部分，主要講解了常用的機器學習經(jīng)典模型。第1章講解線性回歸和lasso回歸，嶺回歸。第2章介紹SVM模型。第3章介紹邏輯斯蒂回歸。第4章介紹決策樹模型。第5章介紹k近鄰算法。第6章介紹樸素貝葉斯模型。第7章介紹線性判別分析與主成分分析。第8章介紹流形學習。第9章介紹聚類算法。第10章介紹稀疏編碼。第11章介紹T-SVM模型。第12章介紹集成算法與提升算法。第二篇為深度學習和神經(jīng)網(wǎng)絡(luò)部分，主要介紹了時下蕞流形和通用的一些模型。第13章介紹了感知機模型，并簡述了深度學習和神經(jīng)網(wǎng)絡(luò)的相關(guān)脈絡(luò)。第14章介紹了深度學習網(wǎng)絡(luò)的相關(guān)組成部分。第15章介紹了CNN的基本原理。第16章介紹了RNN的基本原理。第17章介紹了GAN的基本原理。最后，在第18章對本書進行了總結(jié)。