内容简介
本书共9章，主要介绍了人工智能在监督学监督学化学领域的10种常见算法括邻、贝叶斯、决策树、支持向量机、集成学－means、线回归、神经网络、卷积网络、Q-learning等。全书采用Python作为实现语言，通过大量原创图表及实用案例让读者参与和体验人工智能的“决策过程”，希望读者能够了解并掌握人工智能的常用算法。 本书配套的数字课程将在“智慧职教”（.icve.）网站上线，读者可登录网站学课教师可以调用本课程构建符合自身教学的SPOC课程，详见“智慧职教服务指南”。此外，本书还提供了其他丰富的数字化课程教学资源括电子课件（PPT）、实训案例、资源文件及源代码等，教师可发邮件编辑邮箱1548103297@.com索取。 本书既可以作为高等职业院校的人工智能课程教材，也可以作为想了解机器学及应用实践的人员的参考书。
目录
第1章 距离的应用——邻算法 1.1 相似是“距离” 1.2 数据处理：归一化 1.3 人工智能应用的要素 1.4 编程 1.5 代码详解 1.6 本章小结 1.7 本章练r/>第2章 由条件做判断——朴素贝叶斯 2.1 计算事物发生的可能 2.2 根据消费记录洞察新需求 2.3 算法的 2.4 训练集、测试集对结果的影响以及算法评价 2.5 利用程序解决问题 2.6 本章小结 2.7 本章练r/>第3章 决策的窍门——决策树 3.1 如何决策 3.2 利用“决策树”开发一个人工智能的信用卡审批系统 3.3 处理数据的瑕疵以及特征工程 3.4 编程完成决策树的项目应用 3.5 本章小结 3.6 本章练r/>第4章 楚河汉界的划分——支持向量机 4.1 划分边界的一般规律 4.2 找出考试的秘笈 4.3 用核函数处理非线可分的数据 4.4 数据可视化 4.5 支持向量机的项目应用 4.6 本章小结 4.7 本章练r/>第5章 亦步亦趋的刻画——线回归 5.1 线回归的实例：连锁店消暑饮料的送货量 5.2 求解模型 5.3 表达拟合结果和趋势 5.4 模型可用的度量 5.5 线回归的扩展 5.6 本章小结 5.7 本章练r/>第6章 明察秋毫的发现结——聚类方法 6.1 利用K均值算法聚类 6.2 利用K均值算行樱花耐旱聚类 6.3 利用降维简化数据 6.4 本章小结 6.5 本章练r/>第7章 披沙沥金的选择——神经网络 7.1 累计触发：神经网络概述 7.2 神经网络体验：辨认鱼的种类 7.3 隐藏层和梯度下降 7.4 利用神经网络辨认手写数字 7.5 本章小结 7.6 本章练r/>第8章 关重要的少数——用卷积网络识别图像和语言 8.1 有关计算机图形的基本知识 8.2 减少规模的秘密在于共享 8.3 构造特征辨认图像 8.4 利用卷积网行图像识别实战 8.5 利用卷积网络分析论坛留言的情绪 8.6 本章小结 8.7 本章练r/>第9章 能吸取经验的机器——用强化学智能化 9.1 强化学般原理 9.2 利用Q表完成强化学r/> 9.3 利用DQN应对复杂的应用 9.4 本章小结 9.5 本章练r/>附录 附录A Python简介 附录B 利用nump行计算