零基礎入門的機器學習圖鑑：2大類機器學習╳ 17種演算法 ╳ Python基礎教學，讓你輕鬆學以致用
% R. J3 ?( H' o1 \6 H* f 見て試してわかる機械学習アルゴリズムの仕組み 機械学習図鑑8 }3 X* |4 @% x
作者：秋庭伸也
! ?' q( Z( e& n5 S# B 出版社：采實文化
7 H# {5 ^# ^; f' T, d8 H* s0 ^6 ] 出版日期：2020/12/29
( N2 X& ~7 \9 E; \5 h% U i 语言：繁体中文5 h/ B# X8 k0 [. {$ I0 K* M6 }
與其害怕被AI取代，+ l, O* c2 y% b3 Y, Q9 {
不如學會機器學習，讓AI為你所用！6 G4 | V# K9 ]' G( \
日本亞馬遜資訊相關類暢銷榜, J+ a# G; P- F% i
．針對各類機器學習全圖像化，深入淺出的機器學習入門書
' V, m) F" V( C1 ]" ^8 s ．詳解各種機器學習演算法的概念和用途，學會如何選對演算法) B9 [+ r' X/ B, E& Z
．所有機器學習演算法皆提供Python範例程式碼，讓你現學現用
9 `" c! W7 w& [! N+ V 【什麼是機器學習？】
* {& O8 J- C: ~+ T" \+ b+ }& E- l 人工智慧（AI）、機器學習、深度學習6868與人類的生活密不可分，, p: e- m n- O! r
但多數人對這些專有名詞一知半解，甚至有些誤解， Y" n8 Y _" C- m
實現 AI 的方法包羅萬象，但機器學習是實現AIzui普及的方法，8 s! P* U0 S2 ]3 _
有些人誤以為深度學習就是AI，但事實上深度學習也是種機器學習。; m0 v+ {5 D7 H
機器學習顧名思義，就是電腦會透過演算法，根據問題或環境自動學習，
" ~3 P* b1 c8 c8 O6 j1 a 並運用學習結果來解決問題。
$ H) d2 E1 f7 Z$ T% u 【機器學習的應用觸及各領域】
- U2 n- e5 p2 t; t; k# F$ R- @ 機器學習可以應用在各種領域，包括：2 s: n$ n0 z. R) e$ i$ J
自動駕駛、文書處理、資料分析、自動翻譯、醫療診斷、預測天氣6868
% C1 O! G$ A% z, c- \ 近年來，因為電腦價格降低，讓機器學習普及，不再是高深的技術，
+ N4 J3 ^5 [1 P3 `7 S6 H 讓非理科出身的文科人也能容易學習，運用在工作上。$ G$ i7 Q3 Y5 n: b" V
由於機器學習有許多種類，因此懂得如何選擇zui適合的演算法，. P" y& ~2 ]) W* |* _1 d* ?+ Y
才能讓精準解決問題，事半功倍。, D3 H- I! T i! R+ C3 r4 x
【2大類 ╳ 17種演算法，弄懂機器學習的邏輯與概念】' Z6 s% A8 d7 }
◎ 9種監督式學習：將問題的 **輸入電腦，讓電腦自己學習，像是過濾垃圾郵件# `% l8 s+ {& c9 W9 D
．問題分類（分類）：羅吉斯迴歸、單純貝氏分類器2 ~# ?1 l$ z/ m
．找出特徵關聯性（迴歸）：線性迴歸、正則化
1 U% C" `7 P4 t ．分類且找出關聯性：支持向量機、Kernel法、隨機森林、類神經網路、kNN
" u: G2 D, r: k, R3 P: b ◎ 8種無監督式學習：提供電腦問題與特徵，讓電腦自行分類，例如找出有車的照片
2 b3 z8 C5 C+ b, g$ S ．選擇特徵與數量（降維）： PCA、LSA、NMF、LDA、LLE、t-SNE
) G, j1 ~: }. s/ ?; v9 I9 t1 h ．特徵分類（分群）：k-means分群法、高斯混合分布: [$ O( ` f# k( Z( |; p
【Python是時下zui熱門的程式語言】
$ O3 a% e* S8 m 在學習機器學習的演算法時，( U; k. L8 J! m; M
Python是zui容易上手，適用於各作業系統，也完全免費的程式語言軟體，( N. o# `# F+ L! v
與機器學習及統計相關的函式庫也非常豐富。
% N! N- D* c- y+ Z 本書所有範例程式碼都是使用Python語法編寫，
* S4 r$ z* ^- o3 N5 F 因此書中還附有Python基礎教學。6 s, p* Z% c) x- t2 x' C2 V$ c
本書用一張圖帶你掌握機器學習的整體輪廓，學會機器學習的基礎知識和概念，# ]0 W# c& i6 b+ ?$ j6 D
了解在學習機器學習的演算法時zui重要的處理過程，
: t" G7 P) m$ Z2 |0 L) S4 H7 @ 幫你學會如何精準選對演算法，只要掌握每一種演算法的性質，
- O4 o& q& @+ w 相信就能學會實際操作機器學習，解決生活和工作上的問題，讓AI為你所用！
. |7 R) Z! c- W7 k. a 【本書適合哪些人閱讀？】 r1 E4 r5 c* h. ~6 h- t* j2 }
．對機器學習感興趣，已經開始學習的人" F. K- e. l, T: [. J" R" i
．已懂得一些機器學習演算法，想學習更多的人 L! A6 s7 I( z* c* V( {
．不熟悉方程式，看不懂機器學習專書的人
" i$ z2 |$ J* v9 T9 u4 [& i( ^9 i @ ．想學會如何因應問題來選擇機器學習演算法的人7 v# A+ `+ U# D' t+ j, q& K) d( a0 u
．有程式設計經驗，有能力執行範例程式碼的人
3 v4 y* r6 A. }5 V, { y 專業推薦
# k1 h t7 H- |3 p$ ?+ e6 v. b) t1 A 李忠謀｜中国中国台湾師範大學資訊工程系教授、國際資訊奧林匹亞競賽主席% q0 G) F- H4 w# r" |
資工心理人｜竹謙科技研發工程師) u/ a# G1 Y, i/ B" D
鄭國威｜泛科知識公司知識長, f2 ?/ ?7 R$ r: j) o& Q
蘇書平｜為你而讀／人資商學院創辦人 ?
1 S- x8 p% C& ` 「這本書可作為對機器學習完全不懂的新手，踏入這個領域的敲門磚，本書先是說明機器學習的基礎知識，接著介紹17種機器學習的基礎演算法，每個章節皆有實際的程式碼範例，並且用圖片來視覺化這些演算法是如何去處理分類資料，建議讀者可以邊學邊做，嘗試著書中的程式碼來解決問題，相信會有滿滿的收穫，讓您在讀完本書之後，也能夠掌握機器學習的基礎知識，不管是要面對實作的問題，或者是學習更進階的方法，都能夠無往不利。」──資工心理人，竹謙科技研發工程師7 n6 D$ t- Z' \1 c: F7 r2 X0 L X
「商業分析師在中国中国台湾的求職市場上已經慢慢變成zui熱門的職缺之一，如果你懂得機器學習的基礎技術，更可以幫助你從大量原始的數據挖掘有意義的情報，解決各種複雜性的商業問題。這是我一本我看過zui淺顯易懂的好書，非常推薦給你。」──蘇書平，為你而讀／人資商學院創辦人$ b9 C J* z, e. C- P8 K+ d
好評推薦+ J$ o* [! k8 M
推薦序 兼具實作與理論的機器學習實用指南／蔡明亨
2 W( _' p* |& G _) l 前言 把機器學習化繁為簡的圖鑑大全! P( l2 Z% h+ ]2 S8 Y6 E& W
本書使用方法
- h- J3 G, I& _9 u& n1 h 第1章 機器學習的基礎
1 L/ t% B2 n! u0 V 1.1 機器學習的概要
. w7 G: q/ q1 a- ~8 h; v2 M' y 何謂機器學習
3 @, |+ O3 E: o; g0 [ 機器學習的種類
3 b. d' F# F' B* k 機器學習的應用' @& u7 G( x# J3 Q
1.2 機器學習的主要步驟
- y5 q* f b8 f" b \ 資料的重要性
& E% o) N+ h. T2 |5 [% O7 q) v 監督式學習（分類）範例
$ K& @$ @: `2 t% E8 x5 Y 實作
/ ^ M) q! f* x 非監督式學習（分群）範例
: \2 o& c- r8 U1 i7 h 視覺化
& w' J7 R' f) v2 C* L 圖的種類與繪製方法：使用Matplotlib繪圖
; p; N% p$ R0 K0 |1 t" ~" t7 } 使用pandas分析並處理資料
$ L8 k: |. y' ~, F 小結
8 ^, C, m/ L7 @4 r- ~8 O+ |) Q 第2章 監督式學習
2 B' L2 d( l, M6 |9 p: d 01?? ?線性迴歸
, X3 k3 g, ]. _; E4 k6 L/ Y% o 02?? ?正則化0 I9 i6 y: r' Z6 j" H& {
03?? ?羅吉斯迴歸
7 T9 o0 L. V) Y" b/ a e 04?? ?支持向量機8 x2 x* @+ u# _; l
05?? ?支持向量機（Kernel法）
- d3 O$ h0 c$ C( R 06?? ?單純貝氏分類器
% p( ]( z7 S- S. |( R0 o 07?? ?隨機森林! j# g& z" E! Y% q
08?? ?類神經網路4 g; g/ Z" n: }! T
09?? ?kNN: e6 ]/ m, M( J% v) {
第3章 非監督式學習
& A' o$ _ o6 B( X* d# Q 10?? ?PCA
$ r# B0 r/ L: d. ?" z 11?? ?LSA
) v1 x* U# n! Y; i 12?? ?NMF
3 p! B8 x/ }* {9 i% l# ]4 r+ l 13?? ?LDA2 B- C1 N R4 q8 v: L+ P9 @6 u0 a
14?? ?k-means分群法$ m& D. Q3 e6 A# k) c5 e3 y9 A
15?? ?高斯混合分布
; l# d8 w9 u' h+ ~2 i' ? 16?? ?LLE
; K* R- R# m8 ?. g 17?? ?t-SNE
+ f5 n* [2 c4 \% }6 y a 第4章 評估方法及各種資料的運用1 Z$ `6 z, U! b) p4 w* W& T
4.1?? ?評估方法/ s; V( n/ D. v ?1 F
監督式學習的評估 ?
7 M) ~4 P' g3 D5 n& f* o1 g5 K 分類問題的評估方法 ?
- J) F6 p4 [- l 迴歸問題的評估方法 ?+ k4 c5 h9 P- [ i- c) g
均方誤差與決定係數的差異 ?
6 E# u# P+ [. r @9 @- D 使用不同演算法時的差異 ?& |5 D5 B$ k6 }* Z( Q( Q
超參數的設定 ?
# T, I# n3 [! c6 q) f. R6 O 模型的過度擬合 ?0 e# t& B& ?3 P: J! D7 |
防止過度擬合的方法 ?7 W# _4 i8 T: r' z) {
訓練資料與測試資料的切分 ?
! ^& g9 `1 I5 U; n) B2 W5 g 交叉驗證 ?6 S9 ]: f+ d$ V5 D+ B6 Z
超參數的搜尋 ? x) R6 K/ b% ?* l* n" Y: ^; B! T
4.2?? ?文字資料的轉換處理; ?! |0 @+ z( y2 {- H( {
透過詞彙計數進行轉換% @$ G' L% }5 D
透過TF-IDF進行轉換
" m; ?% |; S! C8 h a7 X' } 套用機器學習模型
! U( `' n, s1 \ U! ^ 4.3?? ?圖像資料的轉換處理: Z5 H) h- Y& B! l. s
將畫素資訊直接視為數值
0 K) f% ^& H8 Q i 輸入轉換後的向量資料，套用機器學習模型# G. ^( u2 C3 U: Z* Q) _4 X1 _2 K
第5章 環境設置# F) ]: p% K5 T0 @0 M+ O% Y
5.1? 安裝Python3( v3 `5 Q: F% Y8 C
Windows
9 |0 |. t2 z$ o( m% B Q+ v macOS5 h3 Q$ ]" P. m5 d+ j' \! ^. R, }
Linux$ V8 Z7 a6 w R* P+ _% |. e) ?
使用Anaconda在Windows安裝- D) c0 I- f# @4 p% T4 q
5.2?? ?虛擬環境) |8 ?: }5 j4 a9 H U" S+ {( D$ U3 ^
使用官方安裝程式的使用者
/ v, G6 c0 [ q, t, M+ O 使用Anaconda安裝程式的使用者8 C' M8 R4 h% G
5.3?? ?安裝套件! ]6 [3 O$ i# @& o
何謂第三方套件
) c8 @ N0 X8 \/ [6 A* c% u* y 安裝套件
]/ K2 G1 E9 A1 y 附錄9 B, X+ O$ P3 l3 A
方程式說明
# @! ?4 b2 S( | 專有名詞說明4 t! n" W2 K: N1 Q! ?4 l
參考文獻" y( d9 [' n0 f+ O
2 ?! E+ X4 D( V/ C( I
2 N2 _. ]0 e9 K
剩余 1% 内容需要支付 5.00×2共享币 后可完整阅读并提供下载链接
共享资料赚共享币，鼓励用户共享优质资料
|
