人工智能算法实践案例分析.docVIP

人工智能算法实践案例分析

TOC\o1-2\h\u7048第一章人工智能概述 3

233071.1人工智能基本概念 3

105921.2人工智能发展历程 3

28788第二章机器学习算法概述 4

150832.1机器学习基本原理 4

68182.1.1数据驱动 4

91162.1.2学习策略 4

81892.1.3模型评估 4

301722.1.4模型优化 4

82982.2常见机器学习算法 5

134852.2.1线性回归 5

130032.2.2逻辑回归 5

255182.2.3决策树 5

316142.2.4支持向量机 5

286932.2.5神经网络 5

276252.2.6随机森林 5

6602.2.7K均值聚类 5

69952.2.8主成分分析 5

2370第三章线性回归算法实践 5

275493.1线性回归原理 5

5183.2线性回归模型训练与评估 6

1443.2.1最小二乘法 6

43693.2.2梯度下降法 7

17623.3线性回归应用案例 7

31743.3.1房价预测 7

287043.3.2股票价格预测 7

114083.3.3信用评分 8

13080第四章决策树算法实践 8

214764.1决策树基本原理 8

236854.2决策树模型构建与优化 8

105044.3决策树应用案例 9

23035第五章支持向量机算法实践 9

262715.1支持向量机基本原理 9

310875.2支持向量机模型训练与评估 9

44115.3支持向量机应用案例 10

10706第六章神经网络算法实践 11

35966.1神经网络基本原理 11

116616.1.1神经元模型 11

102186.1.2前向传播与反向传播 11

138006.1.3激活函数 11

157726.1.4神经网络优化算法 11

221796.2卷积神经网络 11

275466.2.1卷积操作 11

315526.2.2池化操作 11

216576.2.3CNN结构 11

50856.2.4CNN应用案例 11

19446.3循环神经网络 12

75576.3.1RNN基本原理 12

141616.3.2RNN结构 12

26596.3.3RNN应用案例 12

22075第七章集成学习算法实践 12

287367.1集成学习基本原理 12

8877.2随机森林算法 12

225737.3AdaBoost算法 12

226337.1集成学习基本原理 12

82707.1.1概述 12

255427.1.2集成学习框架 13

105217.1.3集成学习策略 13

180127.2随机森林算法 13

44967.2.1概述 13

181517.2.2算法原理 13

87627.2.3算法优化 13

75907.3AdaBoost算法 14

176367.3.1概述 14

321497.3.2算法原理 14

60037.3.3算法优化 14

20595第八章聚类算法实践 14

231248.1聚类算法概述 14

10238.2Kmeans算法 15

161978.3层次聚类算法 15

31247第九章关联规则挖掘算法实践 16

9109.1关联规则挖掘基本原理 16

313429.1.1概述 16

227589.1.2关联规则的定义 16

155289.1.3支持度与置信度 16

313809.2Apriori算法 16

43919.2.1概述 16

308679.2.2算法步骤 17

113489.3FPgrowth算法 17

206619.3.1概述 17

275399.3.2算法步骤 17

28198第十章人工智能在现实生活中的应用 17

2747810.1人工智能在医疗领域的应用 17

1068410.1.1诊断与辅助治疗 17

1602910.1.2个性化治疗与药物研发 18

3121110.1.3智能健康管理与远程监护 18

2345310.2