机器学习与深度学习（基于PYTHON实现）

《机器学习与深度学习(基于Python实现)一书使用Python对人工智能机器学习中的相关知识进行了算法实现，并以这些知识为背景解释了什么是深度学习。具体内容包括初识机器学习、机器学习基础、群智能与优化方法、神经网络 和深度学习。因为没有使用TensorFlow、PyTorch等任何程序库，仅使用Python直接实现机器学习与深度学习的相关算法，可以让读者更好地理解和掌握机器学习与深度学习的算法原理和技术本质。 《机器学习与深度学习(基于 Pvthon 实现)》语言通俗易懂，代码示例丰富。非常适合大中专院校计算机、人工智能相关专业学生以及所有对人工智能技术感兴趣的程序员参考学习。

第1章机器学习是什么1.1什么是机器学习1.1.1深度学习的成果1.1.2学习与机器学习、深度学习1.1.3机器学习的分类1.1.4机器学习走向深度学习的历史1.2本书例题关于方块的执行环境1.2.1程序执行前的流程1.2.2程序执行的实际情况第2章机器学习的基础2.1归纳学习2.1.1 演绎学习与归纳学习2.1.2归纳学习例题一股价的预测2.1.3基于归纳学习的股价预测程序2.2 强化学习2.2.1什么是强化学习2.2.2 强化学习的具体方法2.2.3设定强化学习的例题走出迷宫学习知识2.2.4通过强化学习的程序实现第3章群体智能与进化方法3.1群智能3.1.1粒子群优化法3.1.2蚂蚁群体优化法3.1.3蚂蚁群体优化法的实际3.2进化方法3.2.1进化方法是3.2.2遗传算法获得的知识第4章神经网4.1神经网络的基础4.1.1人工神经元的模型4.1.2神经网路和学习4.1.3神经网路的种类4.1.4人工神经元的计算方法4.1.5神经网路的计算方法4.2基于反向传播的神经网络的学习4.2.1感知器的学习过程4.2.2反向传播的处理过程4.2.3反向传播的实际情况第5章深度学习5.1深度学习5.1.1现有的网路学习的局限性和深层的想法5.1.2卷积神经网路5.1.3自我编码器使用学习方法5.2深度学习的实际5.2.1卷积运算的实现5.2.2卷积神经网路的实现5.2.3自编码器的实现