[正版][]人工智能算法 卷1 基础算法 AI算法教程书籍 算法导论编程思想 Java Python C语言实现 人工智

                                                    店铺公告

为保障消费者合理购买需求及公平交易机会，避免因非生活消费目的的购买货囤积商品，抬价转售等违法行为发生，店铺有权对异常订单不发货且不进行赔付。异常订单：包括但不限于相同用户ID批量下单，同一用户（指不同用户ID，存在相同/临近/虚构收货地址，或相同联系号码，收件人，同账户付款人等情形的）批量下单（一次性大于5本），以及其他非消费目的的交易订单。 温馨提示：请务必当着快递员面开箱验货，如发现破损，请立即拍照拒收，如验货有问题请及时联系在线客服处理，（如开箱验货时发现破损，所产生运费由我司承担，一经签收即为货物完好，如果您未开箱验货，一切损失就需要由买家承担，所以请买家一定要仔细验货）， 关于退货运费：对于下单后且物流已发货货品在途的状态下，原则上均不接受退货申请，如顾客原因退货需要承担来回运费，如因产品质量问题（非破损问题）可在签收后，联系在线客服。

算法是人工智能技术的核心。本书介绍了人工智能的基础算法，全 书共10 章，涉及维度法、距离度量算法、K 均值聚类算法、误差计算、 爬山算法、模拟退火算法、Nelder-Mead 算法和线性回归算法等。书中 所有算法均配以具体的数值计算来进行讲解，读者可以自行尝试。每章 都配有程序示例，GitHub 上有多种语言版本的示例代码可供下载。 本书适合作为人工智能入门读者以及对人工智能算法感兴趣的读者 阅读参考。

第 1 章 AI 入门 ……………………………………………………… 1
1.1 与人类大脑的联系 ……………………………………………… 2
1.1.1 大脑和真实世界 …………………………………………… 3
1.1.2 缸中之脑 …………………………………………………… 5
1.2 对问题建模 ……………………………………………………… 6
1.2.1 大脑和真实世界 …………………………………………… 7
1.2.2 回归分析 …………………………………………………… 9
1.2.3 聚类问题 ……………………………………………………10
1.2.4 时序问题 ……………………………………………………10
1.3 对输入/ 输出建模 ………………………………………………11
1.3.1 一个简单的例子 ……………………………………………15
1.3.2 燃油效率 ……………………………………………………16
1.3.3 向算法传入图像 ……………………………………………18
1.3.4 金融算法 ……………………………………………………20
1.4 理解训练过程 ……………………………………………………21
1.4.1 评估成果 ……………………………………………………22
1.4.2 批量学习和在线学习 ………………………………………22
1.4.3 监督学习和非监督学习 ……………………………………23
1.4.4 随机学习和确定学习 ………………………………………23
1.5 本章小结 …………………………………………………………23
第 2 章 数据归一化… ………………………………………… 25
2.1 计量尺度 …………………………………………………………25
2.2 观测值归一化 ……………………………………………………29
2.2.1 名义量归一化 ………………………………………………30
2.2.2 顺序量归一化 ………………………………………………32
2.2.3 顺序量解归一化 ……………………………………………34
2.2.4 数字量归一化 ………………………………………………35
2.2.5 数字量解归一化 ……………………………………………37
2.3 其他归一化方法 …………………………………………………38
2.3.1 倒数归一化 …………………………………………………38
2.3.2 倒数解归一化 ………………………………………………38
2.3.3 理解等边编码法 ……………………………………………39
2.3.4 等边编码法的实现 …………………………………………41
2.4 本章小结 …………………………………………………………45
第3 章 距离度量… …………………………………………… 47
3.1 理解向量 …………………………………………………………47
3.2 计算向量距离 ……………………………………………………49
3.2.1 欧氏距离 ……………………………………………………49
3.2.2 曼哈顿距离 …………………………………………………51
3.2.3 切比雪夫距离 ………………………………………………53
3.3 光学字符识别 ……………………………………………………54
3.4 本章小结 …………………………………………………………57
第4 章 随机数生成… ………………………………………… 59
4.1 伪随机数生成算法的概念 ………………………………………60
4.2 随机数分布类型 …………………………………………………61
4.3 轮盘模拟法 ………………………………………………………64
4.4 伪随机数生成算法 ………………………………………………65
4.4.1 线性同余生成法 ……………………………………………66
4.4.2 进位乘数法 …………………………………………………67
4.4.3 梅森旋转算法 ………………………………………………68
4.4.4 Box-Muller 转换法 …………………………………………70
4.5 用蒙特卡洛方法估算PI 值 ……………………………………72
4.6 本章小结 …………………………………………………………74
第5 章 K 均值聚类算法………………………………………… 75
5.1 理解训练集 ………………………………………………………77
5.1.1 非监督学习 …………………………………………………77
5.1.2 监督学习 ……………………………………………………80
5.2 理解K 均值算法 …………………………………………………80
5.2.1 分配 …………………………………………………………81
5.2.2 更新 …………………………………………………………83
5.3 K 均值算法的初始化 ……………………………………………84
5.3.1 随机K 均值初始化 …………………………………………84
5.3.2 K 均值算法的Forgy 初始化 …………………………………87
5.4 本章小结 …………………………………………………………90
第6 章 误差计算… …………………………………………… 91
6.1 方差和误差 ………………………………………………………92
6.2 均方根误差 ………………………………………………………93
6.3 均方误差 …………………………………………………………93
6.4 误差计算方法的比较 ……………………………………………94
6.5 本章小结 …………………………………………………………96
第7 章 迈向机器学习… ……………………………………… 97
7.1 多项式系数 ………………………………………………………99
7.2 训练入门 ……………………………………………………… 101
7.3 径向基函数网络 …………………………………………… 103
7.3.1 径向基函数 ……………………………………………… 104
7.3.2 径向基函数网络 ………………………………………… 107
7.3.3 实现径向基函数网络 …………………………………… 109
7.3.4 应用径向基函数网络 …………………………………… 113
7.4 本章小结 ……………………………………………………… 115
第8 章 优化训练… …………………………………………… 117
8.1 爬山算法 ……………………………………………………… 117
8.2 模拟退火算法 ………………………………………………… 121
8.2.1 模拟退火算法的应用 …………………………………… 122
8.2.2 模拟退火算法 …………………………………………… 123
8.2.3 冷却进度 ………………………………………………… 126
8.2.4 退火概率 ………………………………………………… 127
8.3 Nelder-Mead 算法 …………………………………………… 128
8.3.1 反射 ……………………………………………………… 130
8.3.2 扩张操作 ………………………………………………… 131
8.3.3 收缩操作 ………………………………………………… 132
8.4 Nelder-Mead 算法的终止条件 ……………………………… 133
8.5 本章小结 ……………………………………………………… 134
第9 章 离散优化… …………………………………………… 135
9.1 旅行商问题 …………………………………………………… 135
9.1.1 旅行商问题简要说明 …………………………………… 136
9.1.2 旅行商问题求解的实现 ………………………………… 137
9.2 环形旅行商问题 ……………………………………………… 138
9.3 背包问题 ……………………………………………………… 139
9.3.1 背包问题简要说明 ……………………………………… 140
9.3.2 背包问题求解的实现 …………………………………… 141
9.4 本章小结 ……………………………………………………… 143
第 10 章 线性回归……………………………………………… 144
10.1 线性回归 …………………………………………………… 144
10.1.1 *小二乘法拟合 ………………………………………… 146
10.1.2 *小二乘法拟合示例 …………………………………… 148
10.1.3 安斯库姆四重奏 ………………………………………… 149
10.1.4 鲍鱼数据集 ……………………………………………… 151
10.2 广义线性模型 ……………………………………………… 152
10.3 本章小结 …………………………………………………… 155
附录A 示例代码使用说明 ……………………………………… 157
A.1 “读懂人工智能”系列书简介 ……………………………… 157
A.2 保持更新 ……………………………………………………… 157
A.3 获取示例代码 ………………………………………………… 158

杰弗瑞·希顿（Jeffery Heaton）既是一位活跃的技术博主、开源贡献者，也是十多本图书的作者。他的专业领域包括数据科学、预测建模、数据挖掘、大数据、商务智能和人工智能等。他拥有华盛顿大学信息管理学硕士学位，是IEEE的*级会员、Sun认证Java程序员、开源机器学习框架Encog的&席开发人员。

AI算法入门教程书籍 人人都能读懂的人工智能书 全彩印刷，实例讲解易于理解的人工智能基础算法 多种语言版本示例代码、丰富的在线资源，方便动手实战与拓展学习

1