送书 | 《机器学习算法框架实战：Java和Python实现》

送五本新书《 机器学习算法框架实战：Java和Python实现》，感谢机械工业出版社赞助。

小编导读

随着科技的迅猛发展，短短的几十年间，互联网几乎将全球的人联系了起来，世界上所发生的事件都开始相互影响。随即，大数据成为时代的热潮，人工智能技术有了长足的进步，智能化的概念渗透到各行各业。而这一切的背后，机器学习发挥着深远的影响，以至于似乎每个人都或多或少地需要接触机器学习。然而应该从何入手却是一个让人苦恼的问题。

为了解决这一问题，作者通过总结多年的知识积累及工作经验，分别用Java和Python两种业界主流的语言从零开始构建了一个机器学习算法框架，并浓缩成这本书，分享给想要学习机器学习算法框架的读者。本书以理论和实践相结合的方式带领读者快速上手。通过阅读本书，读者不仅可以学习机器学习算法框架，而且能够获得算法和工程实践相结合的经验。此外，书中的机器学习算法框架以分层架构的方式呈现，一方面有利于读者循序渐进地理解机器学习算法，另一方面能够帮助读者更好地理解算法在工程架构中的应用。

 

本书特色

1．理论和实践相结合，读者理解更深刻
　　本书中的每一章内容都首先以简单易懂的方式展开理论阐述，随后在理论的基础上给出代码实现，并且给出相应的示例，进一步帮助读者理解相关概念。相信这种理论和实践相结合的方式能够更好地呈现知识，让读者更容易理解并留下深刻印象。因为纯理论的教科书显得枯燥无味，而只有代码实现的书则让读者知其然却不知其所以然。
　　2．通过架构分层的方式由浅入深地展开阐述，让读者更易上手
　　本书从零开始构建一个机器学习算法框架，读者在阅读的过程中能够体会到整个框架的构建过程。书中采用的架构分层方式可以让读者由浅入深地掌握机器学习的相关知识，并且很容易快速上手。另外，读者也可以从书中体会到机器学习算法在工程实践中的应用。
　　3．两种语言实现，可兼顾不同背景的读者
　　本书分别用Java和Python两种业界主流的编程语言实现代码。Java适合工业界的工作人员；Python足够灵活，同时有丰富的机器学习开源库，适应面更广。不同语言背景的读者可以基于自己熟悉的语言进行学习，也可以对比两种语言在实现上的异同，从而更加深入地理解本书内容。

本书内容及体系结构

      本书共14章，分为5篇，下面简单地进行介绍。
　　第一篇 绪论（第1、2章）
　　第1章  主要介绍了一些重要的背景知识。该章首先解释了什么是机器学习，引出了机器学习的基本概念；然后阐述了相关的关键术语；接着讨论了机器学习所要解决的问题；最后针对如何选择机器学习算法给出了建议。
　　第2章  重点阐述了机器学习算法框架的整体概要，引入了算法框架的分层模型，并介绍了分层模型中各层级的具体职责，最后讲解了搭建算法框架的准备工作。
　　第二篇  代数矩阵运算层（第3、4章）
　　第3章  着重于矩阵运算层，首先介绍了矩阵运算库，接着给出了矩阵基本运算的具体实现，最后补充常用矩阵操作的实现。
　　第4章  进一步扩展矩阵运算库，引入了矩阵相关函数的实现。该章首先介绍了常用函数的实现，包括协方差函数、均值函数、归一化函数、最大值函数和最小值函数；接着阐述了行列式函数、矩阵求逆函数、矩阵特征值和特征向量函数的实现；最后补充了矩阵正交化函数的具体实现。
　　第三篇   最优化方法层（第5、6章）
　　第5章 介绍了一种通用模型的参数优化方法，即最速下降法。该章首先探讨了最速下降法的基本理论；然后动手设计参数优化器的接口，并且根据理论，具体实现了一个最速下降优化器；最后利用一个具体的例子，讲解了如何使用最速下降优化器来对模型的参数进行优化。
　　第6章 介绍了另一种模型参数的优化方法，即遗传算法。该章首先讨论了最速下降法的局限性；然后引入了遗传算法的参数优化方法，并且根据理论，具体实现了遗传算法优化器；最后利用具体示例，讲解了如何使用遗传算法优化器进行模型参数的优化。
　　第四篇   算法模型层（第7～11章）
　　第7章  介绍了最为基础的分类和回归模型。该章首先探讨了分类和回归的概念；然后根据理论，动手实现了不同的回归模型；最后利用具体示例讲解了如何使用基础回归模型对数据进行预测，同时对比了不同回归模型的效果。
　　第8章  在前面章节所讲述的回归问题的基本模型和方法的基础上，进一步引入了一个更为复杂的解决回归问题的模型——多层神经网络模型。
　　第9章  讨论了数据分析场景中应用广泛的聚类问题，并分别讲解了解决这种问题的两种经典模型，即K-means模型和GMM（高斯混合模型）。
　　第10章  主要介绍了最为经典的时间序列预测模型——Holt-Winters，重点剖析了它的基本原理及具体实现，并且通过示例进行实践。
　　第11章  分别介绍了两种用于降维的模型，即主成分分析模型和自动编码机模型，并且在示例中对两者进行了对比。
　　第五篇   业务功能层（第12～14章）
　　第12章  探讨了一种较为常用的功能服务，即时间序列异常检测。该章首先介绍了时间序列异常检测的应用场景；然后阐述了时间序列异常检测的基本原理；接下来给出了时间序列异常检测功能服务的具体实现；最后通过具体示例，演示了如何判断时间序列的异常数据。
　　第13章  探讨了另一种较为常用的功能服务，即离群点检测。该章首先介绍了离群点检测的应用场景；随后阐述了离群点检测的基本原理；接下来给出了离群点功能服务的具体实现；最后通过具体示例，演示了如何使用离群点检测找出数据中的异常记录。
　　第14章  探讨了本书的最后一种趋势线拟合。该章首先介绍了趋势线拟合的应用场景；然后阐述了它的基本原理；接下来给出了趋势线拟合功能服务的具体实现；最后通过具体示例，演示了如何对样本数据进行趋势线拟合。
 

点击可以查看详情

▶ 送书规则 ◀

（参与活动的必须要加小编微信）

1、公众号回复:送书 ,参与抽奖（共2本）

2、转发此条到朋友圈，集60个赞（先到先得，共3本）

本次赠书一共5本哦～

【扫一扫】