人工智能算法案例大全：基于Python

前言
第1章无处不在的算法
1.1人工智能发展的历史
1.2人工智能算法的分类与流派
第2章常见的数据特征处理
2.1常见的数据预处理和特征选择方法
2.1.1常见的数据预处理
2.1.2常见的特征选择方法
2.2主成分分析
2.2.1PCA算法步骤和特征分解理论
2.2.2PCA规约MNIST数据集
2.3高新技术企业行业技术周期数据的可视化和相关性分析
2.3.1特征的系统性描述
2.3.2特征的深入观察
第3章常见的回归模型
3.1线性回归模型
3.1.1普通小二乘法的原理
3.1.2广告投入产出分析案例
3.2逻辑斯谛回归
3.2.1逻辑斯谛回归的原理
3.2.2乳腺癌恶性、良性肿瘤分类预测
3.3正则化方法
3.3.1普通小二乘法与岭回归
3.3.2核岭回归
3.3.3核岭回归、岭回归和LASSO的区别与联系
3.3.4常用核函数
3.3.5社区和犯罪数据集的分析
第4章基于实例的算法
4.1K-Means算法
4.1.1K-Means的算法原理
4.1.2基于K-Means聚类分析的肥胖原因探索
4.2KNN算法
4.2.1KNN的算法原理
4.2.2手机流量套餐的KNN聚类研究
第5章树方法
5.1决策树
5.1.1决策树的原理
5.1.2泰坦尼克号的末日求生
5.2随机森林
5.2.1随机森林的原理
5.2.2泰坦尼克号的生存分析
5.3XGBoost
5.3.1XGBoost的算法原理
5.3.2沪深300指数的波动率预测
第6章神经网络
6.1多层感知器
6.1.1线性可分的二分类案例
6.1.2线性不可分的案例
6.2深度神经网络
6.2.1基于Ames House Price数据的XGBoost模型案例
6.2.2基于Ames House Price数据的深度神经网络案例
6.3卷积神经网络
6.3.1随机森林识别mnist数据集
6.3.2卷积神经网络识别mnist数据集
6.3.3卷积神经网络识别带有噪声的mnist数据集
6.4循环神经网络
6.4.1时间序列的可视化与特征分析
6.4.2GRU网络结构设计
6.4.3模型训练与预测
第7章自然语言处理
7.1常用的文本处理技巧
7.1.1文本数据展示和基本性质观察
7.1.2多个语料库的深入分析
7.2文本分析和挖掘
7.2.1Women's Clothing E-Commerce Reviews数据集的分析与观察
7.2.2基于词向量模型的分类预测
7.2.3基于词汇的情感分析
7.3主题建模
7.3.1潜在语义分析
7.3.2sklearn库的LDA模型
7.3.3gensim库的LDA模型
7.4新闻的内容分析与LDA主题模型的相关性分析
7.4.1基于内容分析法分析新闻数据
7.4.2新闻数据的LDA模型分析
第8章社会网络
8.1社会网络的介绍和统计
8.1.1社会网络的基础概念及可视化
8.1.2社会网络的多种统计指标
8.2社交网络的数据分析
8.2.1某在线社交网络分析
8.2.2贵格会的社交网络分析
第9章遗传算法
9.1遗传算法与旅行商问题
9.1.1旅行商问题在遗传算法中的定义
9.1.2遗传算法的选择、交叉和变异
9.2遗传算法与波士顿房价预测
9.2.1利用经典回归模型预测波士顿房价
9.2.2利用遗传算法进行特征选择
9.3Geatpy库的应用实例
9.3.1啤酒混合策略
9.3.2房间布局优化问题
第10章推荐算法
10.1电影数据集的协同过滤推荐
10.1.1电影数据集的介绍和可视化
10.1.2基于电影评分数据的协同过滤推荐算法
10.1.3基于内容数据的协同过滤推荐算法
10.2基于巡航数据的模糊控制系统
10.2.1智能巡航控制系统
10.2.2小费决策的模糊控制系统