AI智能算法学习与应用实践手册.docVIP

智能算法学习与应用实践手册

TOC\o1-2\h\u21617第一章引言 3

133521.1智能算法概述 3

18901.2学习与实践方法 3

15301第二章机器学习基础 4

176252.1监督学习 4

260092.1.1数据表示 4

8512.1.2学习算法 4

200662.1.3模型评估 5

214832.2无监督学习 5

217282.2.1数据表示 5

31412.2.2学习算法 5

108772.2.3模型评估 5

268952.3强化学习 5

282462.3.1强化学习框架 5

136882.3.2学习算法 5

198052.3.3模型评估 6

10044第三章数据预处理 6

145043.1数据清洗 6

236103.1.1缺失值处理 6

28643.1.2异常值处理 6

35153.1.3数据类型转换 6

6483.2特征工程 6

283563.2.1特征提取 7

190333.2.2特征转换 7

56783.2.3特征选择 7

63063.3数据标准化与归一化 7

67513.3.1最小最大标准化 7

23153.3.2Zscore标准化 7

296483.3.3对数变换 7

60983.3.4反余弦变换 7

9419第四章算法选择与应用 8

248554.1线性模型 8

225264.2非线性模型 8

121804.3集成学习 9

29920第五章模型评估与优化 9

322585.1评估指标 9

245675.2调整超参数 10

268125.3模型优化策略 10

3702第六章深度学习 10

146836.1神经网络基础 11

40646.1.1基本概念 11

175116.1.2神经网络结构 11

14116.1.3工作原理 11

208116.2卷积神经网络 11

325236.2.1卷积操作 11

182256.2.2池化操作 11

113956.2.3全连接层 11

280146.3循环神经网络 12

65206.3.1基本结构 12

175766.3.2工作原理 12

5416.3.3长短时记忆网络（LSTM） 12

26081第七章自然语言处理 12

68127.1词向量 12

325137.1.1概述 12

87077.1.2常见词向量模型 13

1577.1.3词向量应用 13

95707.2语法分析 13

284267.2.1概述 13

156427.2.2常见语法分析方法 13

64037.2.3语法分析应用 13

75367.3文本 14

185287.3.1概述 14

237717.3.2常见文本方法 14

260397.3.3文本应用 14

9643第八章计算机视觉 14

35548.1图像处理基础 14

302018.1.1图像获取 14

206588.1.2图像表示与存储 14

266218.1.3图像转换 15

190458.2目标检测 15

36518.2.1目标检测方法概述 15

55238.2.2滑动窗口法 15

26468.2.3基于深度学习的目标检测方法 15

168108.3图像识别 15

311818.3.1图像识别方法概述 15

67108.3.2基于传统图像处理的图像识别方法 15

299368.3.3基于深度学习的图像识别方法 16

11661第九章人工智能应用案例 16

295149.1金融领域 16

137049.1.1信贷风险评估 16

199289.1.2股票市场预测 16

234229.1.3反欺诈检测 16

50539.2医疗领域 16

226829.2.1疾病诊断 16

198829.2.2药物研发 16

159259.2.3个性化医疗 17

279859.3交通领域 17

199569.3.1智能交通信号控制 17

208919.3.2自动驾驶技术 17

183389.3.3车辆故障诊断与预测 17

19844