人工智能领域机器学习算法及应用前景摸索.doc

人工智能领域机器学习算法及应用前景摸索

TOC\o1-2\h\u25438第1章引言 3

327281.1人工智能与机器学习概述 3

216351.2机器学习的发展历程 4

304441.3机器学习的主要任务与类型 4

4710第2章机器学习基础理论 4

194592.1统计学习理论 4

323832.1.1学习问题的形式化描述 4

324532.1.2误差衡量与风险函数 5

219382.1.3PAC学习理论 5

114852.2概率论与数理统计 5

107402.2.1概率论基础 5

101382.2.2条件概率与贝叶斯定理 5

66172.2.3大数定律与中心极限定理 5

255252.3最优化方法 5

158192.3.1线性规划 5

318052.3.2梯度下降法 5

163142.3.3牛顿法与拟牛顿法 5

25532.3.4稀疏表示与正则化 6

31107第3章线性回归与逻辑回归 6

232343.1线性回归 6

59873.1.1线性回归的原理 6

124373.1.2线性回归的算法实现 6

264163.1.3线性回归的应用实例 6

118993.2逻辑回归 6

5623.2.1逻辑回归的原理 6

24273.2.2逻辑回归的算法实现 6

119723.2.3逻辑回归的应用实例 6

15753.3回归分析的应用 7

573.3.1回归分析在医疗领域的应用 7

203553.3.2回归分析在工业生产中的应用 7

119183.3.3回归分析在市场营销中的应用 7

231423.3.4回归分析在金融领域的应用 7

11495第4章决策树与随机森林 7

246944.1决策树基本原理 7

320004.1.1决策树的构建 7

62564.1.2停止条件 7

283894.2特征选择与剪枝策略 8

157174.2.1特征选择 8

142614.2.2剪枝策略 8

176714.3随机森林算法 8

243834.3.1随机森林的基本思想 8

259204.3.2随机森林的构建 8

173314.3.3随机森林的优势 8

19370第5章支持向量机 9

112045.1线性支持向量机 9

157805.1.1线性可分支持向量机 9

253255.1.2线性支持向量机的算法实现 9

199805.2非线性支持向量机 9

308955.2.1核技巧 9

322435.2.2多类分类问题 9

171645.3支持向量机的应用 9

19885.3.1文本分类 9

14155.3.2图像识别 9

206505.3.3生物信息学 9

269905.3.4金融时间序列预测 10

67265.3.5其他应用领域 10

6467第6章神经网络与深度学习 10

79196.1神经网络基础 10

83036.1.1神经元模型 10

217786.1.2感知机 10

311546.1.3多层前馈神经网络 10

149546.1.4反向传播算法 10

189206.2深度学习模型 10

200116.2.1深度信念网络 10

292106.2.2自动编码器 10

228706.2.3受限玻尔兹曼机 10

150946.3卷积神经网络与循环神经网络 11

242676.3.1卷积神经网络 11

115526.3.2循环神经网络 11

63606.3.3深度强化学习 11

1277第7章集成学习方法 11

226137.1Bagging与随机森林 11

260877.1.1Bagging算法原理 11

311197.1.2随机森林算法 11

204607.2Boosting与AdaBoost 11

14197.2.1Boosting算法原理 11

134367.2.2AdaBoost算法 12

26687.3Stacking与混合集成 12

106907.3.1Stacking算法原理 12

194577.3.2混合集成方法 12

31090第8章聚类与降维 12

137648.1聚类分析 12