电子工业出版社-网上书店

本书坚持立德树人的根本任务，与行业企业共同开发，践行“做中学，学中做”的教学理念。全书以“图说图解，自上而下，够用即止，实战掌握，思政浸润”为指导思想，采用图形化软件 KNIME 通过拖、拉、拽等直观操作，完成从简单到复杂的机器学习项目。本书内容分为三大部分：人工智能入门、机器学习和深度学习。本书适合作为人工智能入门者、技术应用者，以及高职高专理工科学生和本科非理工科专业学生的学习教材。

第1章?人工智能及机器学习概述
1.1?人工智能概述
1.1.1?人工智能简史
1.1.2?人工智能是什么
1.1.3?人工智能的能力
1.2?机器学习概述
1.2.1?机器学习是什么
1.2.2?机器学习的任务
1.2.3?学习任务
1.2.4?机器学习要解决的基本问题
1.2.5?机器学习如何优化模型
1.2.6?机器学习工作流程
1.2.7?需要的知识
1.3?深度学习概述
1.4?机器学习与统计学
1.5?课后练习
第2章?机器学习基础知识
2.1?数学基础
2.1.1?数据的分类
2.1.2?基本统计学术语
2.1.3?回归
2.1.4?最小二乘法
2.1.5?判断拟合好坏
2.1.6?小结
2.2?读图
2.2.1?数值数据的分布
2.2.2?分类数据的分布
2.3?KNIME
2.3.1?KNIME 简介
2.3.2?下载和安装
2.3.3?KNIME基本使用
2.3.4?小结
2.4?课后练习
第3章?线性回归
3.1?简单线性回归
3.1.1?场景说明
3.1.2?KNIME 建立工作流
3.1.3?数据获取
3.1.4?观察数据
3.1.5?数据集划分
3.1.6?模型训练
3.1.7?模型测试
3.1.8?损失函数
3.2?多元线性回归初步
3.2.1?任务及数据说明
3.2.2?建立基准工作流
3.2.3?读取并观察数据
3.2.4?整合界面
3.3?多元线性回归进阶
3.3.1?优化模型
3.3.2?“Forward Feature Selection” Metanode详细介绍
3.3.3?模型解释
3.3.4?特征归一化
3.3.5?使用 KNIME实现归一化
3.3.6?相关系数
3.4?课后练习
第4章?逻辑回归
4.1?逻辑回归基本概念
4.1.1?分类问题
4.1.2?从线性回归到逻辑回归
4.1.3?判定边界
4.1.4?KNIME工作流
4.1.5?读取数据
4.1.6?数据处理
4.1.7?模型训练及测试
4.1.8?模型评价
4.2?逻辑回归实战
4.2.1?泰坦尼克号生存问题背景介绍
4.2.2??读取数据
4.2.3?数据预处理
4.2.4?数据可视化及删除无关列
4.2.5?模型训练和测试
4.2.6?模型评价
4.2.7?模型解释
4.3?课后练习
第5章?模型优化
5.1?梯度下降
5.1.1?损失函数
5.1.2?使用 KNIME 优化模型
5.2?正则化
5.2.1?准确性和健壮性
5.2.2?复杂的模型
5.2.3?欠拟合和过拟合
5.2.4?正则化防止过拟合
5.2.5?使用 KNIME 设置正则化
5.3?模型评价
5.3.1?混淆矩阵
5.3.2?F1分数
5.3.3?ROC曲线和 AUC
5.4?课后练习
第6章?支持向量机
6.1?支持向量机基本概念
6.1.1?支持向量机是什么
6.1.2?支持向量是什么
6.1.3?逻辑回归与支持向量机的比较
6.1.4??核
6.1.5?线性核模型调参
6.1.6?非线性核模型调参
6.1.7?C 与 γ
6.2?SVM初战
6.2.1?问题说明
6.2.2?建立工作流
6.2.3?数据观察
6.2.4?模型训练与测试
6.2.5?观察结果
6.3?支持向量机解决泰坦尼克号问题
6.3.1?归一化
6.3.2?核函数
6.3.3?建立工作流
6.3.4?模型调参
6.4?课后练习
第7章?树类算法
7.1?决策树简介
7.1.1?决策树的特点
7.1.2?防止过拟合
7.1.3?问题解析
7.1.4?奥卡姆剃刀
7.1.5?提前结束
7.1.6?集成学习
7.2?使用决策树解决泰坦尼克号生存问题
7.3?决策树高级应用实战?—?特征工程
7.3.1?探索性数据分析
7.3.2?特征工程
7.3.3?异常数据处理
7.4?决策树高级应用实战?—?模型建立与比较
7.4.1?决策树
7.4.2?袋装
7.4.3?随机森林
7.4.4?提升
7.5?课后练习
第8章?深入理解决策树
8.1?决策树进阶
8.1.1?如何构建决策树
8.1.2?ID3 算法决定什么是最好的
8.1.3?CART 算法决定什么最好
8.1.4?KNIME 设置
8.2?数据不平衡问题优化
8.2.1?对多数数据降采样
8.2.2?对少数数据过采样
8.2.3?SMOTE 算法
8.3?课后练习
第9章?贝叶斯分析
9.1?贝叶斯定理
9.1.1?基本术语
9.1.2?条件概率
9.1.3?全概率公式
9.1.4?贝叶斯定理
9.1.5?试水情感分析
9.2?贝叶斯算法解决银行客户分类问题
9.2.1?工作流
9.2.2?贝叶斯算法的学习器节点
9.3?情感分析案例
9.3.1?安装插件
9.3.2?建立工作流
9.4?课后练习
第10章?计算机视觉与自然语言处理
10.1?深度学习简介
10.1.1?深度学习的关键
10.1.2?我们的目标
10.1.3?深度学习原理概述
10.2?计算机视觉著名的卷积神经网络
10.2.1?LeNet-5
10.2.2?AlexNet
10.2.3?VggNet
10.2.4?GoogLeNet
10.2.5?ResNet
10.3?KNIME 实现卷积神经网络
10.3.1?环境构建
10.3.2?安装所需的工具
10.3.3?步骤分析
10.4?自然语言处理
10.4.1?自然语言怎么数字化
10.4.2?知识准备：特征提取
10.5?KNIME实现自然语言处理
10.5.1?初步体验
10.5.2?步骤分析
10.6?大语言模型
10.6.1?KNIME AI助手
10.6.2?KNIME AI 插件
10.7?课后练习
  参考文献

1. 创作经历
本书作者团队大部分成员就职于深圳信息职业技术学院（以下简称信息学院）。作者们初入职信息学院时，感觉凭借自己高学历教专科生简直是大材小用，但是往往几节课后就深感到拳头打在棉花上，甚至是如履薄冰。几乎任何一个公式都能让学生们面面相觑，几乎任何一个算法都能让学生们变成“大眼瞪小眼”。学生经常单刀直入地提问题，简单粗暴：“老师，我学了这个能干什么”，而鲜有学生会问：“这个问题怎么做”“这个问题哪里出错了”“我这样做行不行”。但是一旦“能干什么”的问题明确了，随之而来会源源不断地问“怎样做”甚至为了获得一个更好的结果通宵达旦。各种“惨痛”的经历告诉我们，不解决目标问题，大多数学生没有兴趣；不解决复杂度问题，大多数学生无法真正掌握知识。
“教学”不仅是教师对知识的“输出”，更是学生对知识的“输入”。我们深刻体会到，解决“学”的问题比解决“教”的问题更为重要。因此，作者团队结合实际教学和企业培训的经验，认识到教学方式必须与学生的学习特点相适应。为此，深圳信息职业技术学院的作者们与金航数码科技有限责任公司（航空工业信息技术中心）以及深圳市人工智能产业协会的工程师们合作，将企业的真实案例与经验融入教学中，采用“图说图解、自上而下、够用即止、产教融合，思政浸润”的教学方法，为学生提供一条更为轻松的学习之路。
正如《西游记》主题曲中所唱的“敢问路在何方，路在脚下”，我们也在不断探索教学的方向与方法，力求通过实践找到一条能够真正帮助学生提升人工智能应用技能的道路，也希望学生能够真正迈开第一步。
2. 创作背景
党的“二十大”报告指出：“推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎。”人工智能作为新的增长引擎，正以其广泛的应用场景和强大的创新能力推动各行各业的变革与升级。尤其是近年来，基于大模型的发展，人工智能技术进入了一个新的里程碑。大模型以其超强的计算能力，能够在海量数据中挖掘复杂的关联与潜在价值，提供前所未有的智能决策支持。现在，人工智能不仅是科技创新的核心驱动力，更是产业升级的重要引擎，为中国经济高质量发展注入新的活力，进一步夯实中国的全球竞争力。
3. 知识体系
全书分为三个部分，分别是人工智能技术入门、机器学习和深度学习。
人工智能技术入门：本部分涵盖第 1 章和第 2 章。第 1 章主要从历史发展的角度介绍人工智能，帮助学生了解其起源与演变；第 2 章则在技术层面打下“够用”的数学基础，并介绍 KNIME 操作的基本概念与技巧，为后续学习做好准备。
机器学习：这是本书的核心部分，涵盖第 3 章至第 9 章，依次讲解线性回归、模型优化、逻辑回归、支持向量机、决策树、深入理解决策树以及贝叶斯模型。在这部分内容中，学生将逐步掌握 KNIME 的使用，更重要的是学会机器学习的完整流程，包括数据处理、模型训练与应用等关键技术。其中，第 5 章的模型优化与第 8 章的深入理解决策树虽然不是机器学习的基础知识，但可作为深入学习的选修内容，供学生参考。
深度学习：本部分仅包含第 10 章，简要介绍深度学习的基础知识、应用技术及简单的人工智能大模型使用方法，为学生提供一个了解深度学习的入门视角。
4. 特色
本书的特色在于采用了“图说图解、自上而下、够用即止、产教融合、思政浸润”的教学方式。
图说图解?是本书最显著的特点。通过将深奥难懂的人工智能原理进行图形化呈现和讲解，本书帮助学生从概念上感知算法的核心原理，而不仅仅停留在公式的层面。大量原创的图解与开源图形化人工智能工具 KNIME 相结合，使得学生能够更加直观、快速地掌握人工智能应用技术，降低入门难度。
自上而下?的教学设计贯穿全书，围绕中小微企业的常见问题，以项目为导向展开。本书的内容主线是人工智能应用技术，辅以两条“自上而下”设计的隐线。第一条隐线是 KNIME 工具的使用，从掌握整体流程到理解操作细节，确保学生能够在大局观下掌控项目，并能深入到具体的设置细节。第二条隐线是人工智能知识与技术的递进，从宏观理解到技能掌握。通过逐步引导，学生将从简单的模型开始，深入到复杂模型，并从处理“干净”数据过渡到应对“脏”数据的实际问题。
产教融合?是本书的核心理念之一。本书由高校与企业共同开发，确保教学内容既具有理论深度又符合实践要求，实现知行合一、工学结合。通过大量来自中小微企业的真实案例，本书将新技术与新规范融入其中，帮助学生逐步掌握人工智能应用项目的开发流程，包括模型设置、数据清洗、处理非平衡数据等关键问题，确保学生不仅能学得会、做得出，还能在实际工作中灵活运用。
思政浸润?是本书的最高指导原则。在教学内容中有机融入思政元素，确保在传授技术的同时，帮助学生树立正确的价值观、人生观和道德观，引导他们成为有责任感、有理想的技术人才。
5. 本书是什么
本书是一本机器学习的入门书。
本书是一本关于机器学习应用的书。
本书的目标是使一个高中水平的读者通过本书能够入门机器学习，并掌握足够的进一步提升的能力。
本书也可以看成是机器学习图解的KNIME软件教程。
6. 本书不是什么
本书不研究任何机器学习公式、理论。 
本书不覆盖所有机器学习模型。 
本书字不多。
7. 如何使用本书
对于具有理工科背景的同学来说，建议从头至尾学习每章内容以了解每个模型的原理及其应用。对于非理工科背景或者仅仅关心模型应用的同学，可以直接阅读模型使用部分，而将模型原理部分当作手册参考即可。
每章的最后都有课后练习部分，请大家仔细思考。所有答案、模型源文件和数据都可以到华信资源教育网免费下载。
8. 编写分工
耿煜：主笔，主要负责全书的组织设计、案例分析和整体结构。
弭如坤：KNIME实践操作与操作视频录制。
李钦：机器学习和深度理论。
张运生：案例搜集整理与筛选。
严立超：企业案例搜集整理与筛选。
卢忱：整体架构指导与案例项目指导。
9. 致谢
感谢深圳信息职业技术学院各位老师和同学的帮助，感谢金航数码科技有限责任公司（航空工业信息技术中心）以及深圳市人工智能产业协会的工程师们的协助，感谢我们的家人、朋友。没有你们的帮助就没有这本书的问世。

本书配套资源下载

对不起，暂无音视频资源！

图说图解机器学习（第2版）