第1篇 绪论

第1章 背景 2

1.1 机器学习的概念 2

1.2 机器学习所解决的问题 3

1.3 如何选择机器学习算法 5

1.4 习题 5

第2章 机器学习算法框架概要 7

2.1 算法框架的分层模型 7

2.2 分层模型中各层级的职责 8

2.3 开始搭建框架的准备工作 8

第2篇 代数矩阵运算层

第3章 矩阵运算库 20

3.1 矩阵运算库概述 20

3.2 矩阵基本运算的实现 20

3.3 矩阵的其他操作 27

3.4 习题 32

第4章 矩阵相关函数的实现 33

4.1 常用函数 33

4.2 行列式函数 41

4.3 矩阵求逆函数 43

4.4 矩阵特征值和特征向量函数 44

4.5 矩阵正交化函数 45

4.6 习题 49

第3篇 最优化方法层

第5章 最速下降优化器 52

5.1 最速下降优化方法概述 52

5.2 最速下降优化器的实现 54

5.3 一个目标函数的优化例子 62

5.4 习题 66

第6章 遗传算法优化器 67

6.1 遗传算法概述 67

6.2 遗传算法优化器的实现 71

6.3 一个目标函数的优化例子 82

6.4 习题 85

第4篇 算法模型层

第7章 分类和回归模型 88

7.1 分类和回归模型概述 88

7.2 基础回归模型 89

7.3 分类回归分析的例子 102

7.4 习题 108

第8章 多层神经网络模型 109

8.1 多层神经网络模型概述 109

8.2 多层神经网络模型的实现 115

8.3 多层神经网络模型示例 122

8.4 习题 125

第9章 聚类模型 126

9.1 K-means模型 126

9.2 GMM 134

9.3 习题 147

第10章 时间序列模型 148

10.1 指数平滑模型 148

10.2 Holt-Winters模型 150

10.3 习题 160

第11章 降维和特征提取 161

11.1 降维的目的 161

11.2 主成分分析模型 162

11.3 自动编码机模型 170

11.4 习题 176

第5篇 业务功能层

第12章 时间序列异常检测 178

12.1 时间序列异常检测的应用场景 178

12.2 时间序列异常检测的基本原理 178

12.3 时间序列异常检测功能服务的实现 180

12.4 应用实例：找出数据中的异常记录 182

12.5 习题 183

第13章 离群点检测 184

13.1 离群点检测的应用场景 184

13.2 离群点检测的基本原理 185

13.3 离群点检测功能服务的实现 188

13.4 应用实例：找出数据中的异常记录 191

13.5 习题 193

第14章 趋势线拟合 194

14.1 趋势线拟合的应用场景 194

14.2 趋势线拟合的基本原理 195

14.3 趋势线拟合功能服务的实现 196

14.4 应用实例：对样本数据进行趋势线拟合 201

14.5 习题 203