机器学习与深度学习算法基础

联合创作 · 2023-09-29 01:56

本书共分为上下两篇,共18章:其中第一篇为经典机器学习模型部分,主要讲解了常用的机器学习经典模型。第1章讲解线性回归和lasso回归,岭回归。第2章介绍SVM模型。第3章介绍逻辑斯蒂回归。第4章介绍决策树模型。第5章介绍k近邻算法。第6章介绍朴素贝叶斯模型。第7章介绍线性判别分析与主成分分析。第8章介绍流形学习。第9章介绍聚类算法。第10章介绍稀疏编码。第11章介绍T-SVM模型。第12章介绍集成算法与提升算法。第二篇为深度学习和神经网络部分,主要介绍了时下蕞流形和通用的一些模型。第13章介绍了感知机模型,并简述了深度学习和神经网络的相关脉络。第14章介绍了深度学习网络的相关组成部分。第15章介绍了CNN的基本原理。第16章介绍了RNN的基本原理。第17章介绍了GAN的基本原理。最后,在第18章对本书进行了总结。

浏览 9
点赞
评论
收藏
分享

手机扫一扫分享

编辑 分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

编辑 分享
举报