人工智能算法与模型作业指导书.docVIP

人工智能算法与模型作业指导书

TOC\o1-2\h\u6780第一章引言 3

266731.1人工智能概述 3

202901.2算法与模型在人工智能中的应用 4

216761.2.1算法在人工智能中的应用 4

212561.2.2模型在人工智能中的应用 4

12506第二章机器学习基础 5

160392.1监督学习 5

188502.1.1概述 5

197102.1.2回归分析 5

209202.1.3分类算法 5

256132.1.4监督学习算法的应用 5

93912.2无监督学习 5

123702.2.1概述 5

183032.2.2聚类算法 5

111762.2.3降维算法 5

149252.2.4无监督学习算法的应用 6

298082.3强化学习 6

34552.3.1概述 6

160912.3.2马尔可夫决策过程 6

318382.3.3值函数与策略 6

147192.3.4强化学习算法的应用 6

86592.4学习算法的评价与选择 6

183372.4.1评价指标 6

163892.4.2交叉验证 6

181462.4.3超参数调优 6

66202.4.4算法选择 7

811第三章线性回归与逻辑回归 7

55623.1线性回归模型 7

212533.1.1模型定义 7

232783.1.2模型求解 7

265713.1.3模型特点 7

265263.2逻辑回归模型 7

308063.2.1模型定义 7

192723.2.2模型求解 8

251043.2.3模型特点 8

210033.3模型优化与正则化 8

316333.3.1模型优化 8

39143.3.2正则化 8

279553.4模型评估与优化 8

272483.4.1模型评估指标 8

182413.4.2模型优化策略 9

9954第四章决策树与随机森林 9

27374.1决策树原理 9

267164.2决策树的构建与剪枝 9

165164.3随机森林原理 9

325844.4随机森林的应用 10

23866第五章支持向量机 10

258165.1支持向量机原理 10

227985.2硬间隔与软间隔 11

196915.3支持向量机优化算法 12

273385.4支持向量机的应用 12

9210第六章神经网络与深度学习 12

6246.1神经网络基础 12

168116.1.1神经元模型 12

189666.1.2前向传播与反向传播 12

73516.1.3激活函数 13

262666.1.4误差函数与优化算法 13

295126.2卷积神经网络 13

161696.2.1卷积操作 13

130496.2.2池化操作 13

24636.2.3卷积神经网络结构 13

15626.2.4CNN的应用 13

28956.3循环神经网络 13

225136.3.1循环单元 13

145216.3.2长短时记忆网络 13

286756.3.3门控循环单元 14

297466.3.4RNN的应用 14

11996.4深度学习的应用 14

272776.4.1图像识别 14

265316.4.2自然语言处理 14

179876.4.3语音识别 14

171366.4.4推荐系统 14

298726.4.5其他应用 14

21450第七章集成学习 14

221077.1集成学习原理 14

143917.2基本集成学习方法 15

149537.3集成学习优化策略 15

202757.4集成学习的应用 15

18082第八章聚类分析 16

263998.1聚类分析概述 16

52318.2常见聚类算法 16

47858.2.1Kmeans算法 16

68958.2.2层次聚类算法 16

50168.2.3密度聚类算法 16

261438.2.4基于网格的聚类算法 17

99718.3聚类功能评估 17

126558.3.1轮廓系数 17

21788.3.2同质性、完整性和Vmeasu