内容提要
第1章 机器学习概
1.1 机器学习简介
1.1.1 机器学习简史
1.1.2 机器学习主要流派
1.2 机器学习、人工智
1.2.1 什么是人工智能
1.2.2 什么是数据挖掘
1.2.3 机器学习、人工智
1.3 典型机器学习应用
1.4 机器学习算法
1.5 机器学习的一般流程
第2章 机器学习基本
2.1 统计分析
2.1.1 统计基础
2.1.2 常见概率分布
2.1.3 参数估计
2.1.4 假设检验
2.1.5 线性回归
2.1.6 逻辑回归
2.1.7 判别分析
2.1.8 非线性模型
2.2 高维数据降维
2.2.1 主成分分析
2.2.2 奇异值分解
2.2.3 线性判别分析
2.2.4 局部线性嵌入
2.2.5 拉普拉斯特征映射
2.3 特征工程
2.3.1 特征构建
2.3.2 特征选择
2.3.3 特征提取
2.4 模型训练
2.4.1 模型训练常见术语
2.4.2 训练数据收集
2.5 可视化分析
2.5.1 可视化分析的作用
2.5.2 可视化分析方法
2.5.3 可视化分析常用工
2.5.4 常见的可视化图表
2.5.5 可视化分析面临的挑战
