人工智能算法与编程作业指导书.docVIP

人工智能算法与编程作业指导书

TOC\o1-2\h\u6901第一章绪论 3

311481.1人工智能概述 4

259051.2算法与编程基本概念 4

272831.2.1算法的基本特征 4

96791.2.2编程基本概念 4

26723第二章机器学习基础 5

1282.1监督学习 5

88442.1.1概述 5

80462.1.2数据集 5

228172.1.3常见算法 5

201412.2无监督学习 5

110212.2.1概述 5

123092.2.2常见算法 6

79252.3强化学习 6

130862.3.1概述 6

10752.3.2基本概念 6

62662.3.3常见算法 6

29828第三章线性代数与概率论基础 7

182923.1线性代数基础 7

175153.1.1向量与矩阵 7

111083.1.2线性方程组 7

243983.1.3特征值与特征向量 7

168293.1.4行列式与秩 7

137853.2概率论基础 7

14003.2.1随机事件与概率 7

225793.2.2条件概率与独立性 7

27953.2.3随机变量与分布函数 8

253393.2.4随机变量的数字特征 8

305443.3矩阵运算与优化 8

238613.3.1矩阵乘法与转置 8

65343.3.2矩阵求逆与伪逆 8

221533.3.3最优化理论 8

219663.3.4线性规划与非线性规划 8

20607第四章神经网络与深度学习 8

257574.1神经网络基本结构 8

47684.1.1输入层 9

93924.1.2隐藏层 9

185994.1.3输出层 9

7704.2激活函数与反向传播 9

8004.2.1激活函数 9

203244.2.2反向传播 9

138724.3卷积神经网络 9

191274.3.1卷积层 9

284994.3.2池化层 9

256294.3.3全连接层 10

5954.4循环神经网络 10

11874.4.1RNN基本结构 10

119834.4.2长短时记忆网络（LSTM） 10

13184.4.3门控循环单元（GRU） 10

2814第五章优化算法与策略 10

21855.1梯度下降算法 10

96295.2随机梯度下降 10

11435.3牛顿方法与拟牛顿方法 11

82225.4启发式搜索算法 11

21819第六章数据预处理与特征工程 12

193546.1数据清洗 12

239426.1.1概述 12

261386.1.2缺失值处理 12

309876.1.3异常值处理 12

171826.1.4重复值处理 12

3516.1.5数据一致性检查 12

167996.2特征提取 12

241956.2.1概述 12

171166.2.2文本特征提取 12

104876.2.3图像特征提取 13

124516.2.4音频特征提取 13

208226.3特征选择 13

222816.3.1概述 13

86376.3.2过滤式特征选择 13

134766.3.3包裹式特征选择 13

203736.3.4嵌入式特征选择 13

158096.4数据标准化与归一化 13

185476.4.1概述 13

128496.4.2MinMax标准化 13

315266.4.3ZScore标准化 14

252546.4.4归一化 14

9788第七章模型评估与调参 14

270527.1评估指标 14

162437.1.1准确率（Accuracy） 14

158187.1.2精确率（Precision） 14

255907.1.3召回率（Recall） 14

279827.1.4F1分数（F1Score） 14

326077.1.5ROC曲线与AUC值 14

66077.2调参策略 14

19937.2.1网格搜索（GridSearch） 15

144437.2.2随机搜索（RandomSearch） 15

24