人工智能算法与实践

内容丰富

涵盖机器学习算法和深度学习算法，详细讲述算法的原理和应用案例。

结合实践

汇集人工智能领域专家和学者的理论研究和应用实践的经验与成果。

配套代码

每个应用案例都细致讲解，并有实现代码与之对应，便于理解和掌握。

前　　言

人工智能技术是引领未来的前沿性、战略性技术。党中央、国务院高度重视新一代人工智能的发展，将其列为国家发展战略，积极推动人工智能发展及应用。目前，人工智能已初步具备大规模实施的条件：首先，物联网及通信技术为海量数据的采集提供了感知和传输手段，使得人工智能变成“有米之炊”；其次，各种计算技术与计算设施的快速发展为算力赋能，使得大规模、多维度、高复杂计算成为可能。“万事俱备，只欠东风”，有利于人工智能发展的条件逐渐成熟，算法的功能和实现成为人工智能必须面对的核心问题之一。随着人工智能向社会各个领域加速渗透，新的算法技术层出不穷，图像识别、机器翻译等智能任务水平趋近人类，这其中的机器学习、深度学习等技术已成为人工智能发展的核心驱动力。

本书由人工智能相关领域的专家、学者编写，他们结合各自多年的理论研究和应用实践，从人工智能关键技术、算法原理、典型案例等方面按层次逐步展开，对人工智能典型算法进行原理介绍、技术分析和应用模拟。本书分为四大部分：基础知识、监督式学习算法、无监督式学习算法、深度学习算法，共17章。

第1章阐述了人工智能的发展背景、定义以及关键技术等，并对人工智能技术的相关应用进行了深入分析。

第2章介绍了人工智能算法的实验环境，对Python环境安装与配置、可视化库以及深度学习算法实验环境TensorFlow框架的搭建进行了详细介绍。

第3章介绍了线性回归算法，包括线性回归模型、一元线性回归算法、多元线性回归算法，以及梯度下降求解线性回归模型，最后将该算法应用到“波士顿房价预测”案例中。

第4章介绍了逻辑回归算法，主要介绍了算法的定义和原理，包括算法流程、假设函数、代价函数、梯度下降法以及决策边界，最后将该算法应用到“判断是否为恶性肿瘤”案例中。

第5章介绍了支持向量机，包括算法的基本概念和原理，并将该算法应用到“手写体数字识别”案例中。

第6章介绍了K近邻算法，主要介绍了算法的基本概念和原理，包括算法计算步骤、K值的选取、距离函数的确定，最后将该算法应用到“约会网站配对与预测签到位置”案例中。

第7章介绍了决策树，主要介绍了算法的基本概念、决策树的生成以及决策过程，并引出决策树的原理，最后将该算法应用到“借贷人状态评估”案例中。

第8章介绍了朴素贝叶斯算法，主要介绍了算法的相关概念、理论基础和原理，包括算法流程、实例分析等，并用朴素贝叶斯算法实现舆情判别。

第9章介绍了集成学习算法，主要介绍了算法的基本概念和原理，进而引出AdaBoost、Bagging和随机森林算法，最后将该算法应用到“垃圾邮件分类应用”案例中。

第10章介绍了主成分分析算法，主要介绍了算法相关概念和基本原理，最后运用该算法实现对鸢尾花数据的降维。

第11章介绍了K-Means算法，主要介绍了算法基本原理、算法流程、算法描述以及核心代码，最后将该算法应用到“鸢尾花聚类分析”案例中。

第12章介绍了EM算法，首先介绍了最大似然法，提出含有隐变量的参数估计问题，引入EM算法概念；其次对算法的原理推导以及步骤进行说明；再次利用EM算法实现求解高斯混合模型参数，最后将该算法应用于“求解男性身高和女性身高的分布参数”案例中。

第13章介绍了BP神经网络，主要介绍了神经网络的基础知识、BP神经网络的相关概念以及基本原理，包括正向传播、反向传播等概念，然后通过代码实现一个三层BP神经网络预测模型，最后将该算法应用于“天气温度预测”案例中。

第14章介绍了循环神经网络，主要介绍了RNN算法的基本概念和网络结构、循环神经网络结构变体，然后应用该算法实现飞机乘客的预测，最后介绍了对循环神经网络进行改进的模型。

第15章介绍了卷积神经网络，主要介绍了CNN算法的起源与应用、结构特点以及核心概念，然后介绍了构造卷积神经网络的方法，最后应用卷积神经网络对Cifar10数据集进行图像分类。

第16章介绍了LSTM神经网络，主要介绍了LSTM算法的基本概念与基本原理，并使用LSTM算法实现股票价格预测。

第17章介绍了生成对抗网络，主要介绍了GAN算法的相关概念、算法原理，包括算法过程、具体操作、目标函数的优化以及GAN算法的改进，然后列举了生成对抗网络在各领域的应用，最后将该算法应用于“拟合二次函数与图片生成”案例中。

本书由梁琨、张翼英任主编，梁琨负责组织编写，并对全书进行修改和审校；张翼英参与部分章节编写，并对全书进行了审校。

本书第1章由梁琨、任依梦编写；第2章由梁琨、周保先编写；第3章由梁琨、翟俊武编写；第4章由张翼英、何业慎、李英卓编写；第5章由梁琨、王聪、李晓航编写；第6章由梁琨、任依梦编写；第7章由梁琨、柳依阳编写；第8章由梁琨、王德龙编写；第9、10章由梁琨、张亚男、刘晶晶编写；第11章由梁琨、张楠编写；第12章由张翼英、韩龙哲、王鹏凯编写；第13章由梁琨、尚静编写；第14章由梁琨、罗剑编写；第15章由张翼英、于文平、周保先编写；第16章由张翼英、马彩霞编写；第17章由梁琨、王聪、李苏编写。天津科技大学人工智能学院田宇宸、王炼、李可欣、台耀强、刘瀚中、乔子骜、贾仁杰、叶子、张子豪、刘丰华、焦伟康等同学参与各章算法的代码编辑与调试工作。

本书编写过程中获得了众多专家的指导和帮助，朱冰鸿、尤平午、刘娟等专家在成稿过程中提出了诸多建设性意见，在此一并致谢。感谢天津开发区沃思电子商务有限公司提供的技术支持，同时，感谢中国水利水电出版社万水分社副社长石永峰的指导与帮助。

希望本书能够对关心人工智能技术和产业发展的高校师生和爱好者，以及相关各领域的从业人员等读者群都能有所裨益，并为我国人工智能产业发展添砖加瓦。由于编者水平及时间所限，各位编者写作风格各异，书中难免会有局限和诸多不足之处，欢迎广大专家和读者不吝指正。

编　者

2021年9月

第一部分　基础知识
第1章　人工智能与算法概述 2
1.1　人工智能 2
1.1.1　人工智能的概念 2
1.1.2　人工智能的发展 4
1.1.3　人工智能的应用 9
1.2　AI算法简介 16
1.2.1　算法定义 16
1.2.2　AI算法定义 16
1.2.3　AI算法分类 17
1.3　人工智能与算法的关系 20
1.4　算法在人工智能中的应用 21
1.5　本章习题 22
第2章　AI算法实验环境简介 23
2.1　Python环境安装与配置 23
2.2　Python可视化库 23
2.2.1　可视化库简介 24
2.2.2　matplotlib的基本元素和常用方法 26
2.2.3　matplotlib绘图 28
2.3　深度学习算法实验环境简介 33
2.4　TensorFlow框架搭建 33
2.5　本章习题 34
第二部分　监督式学习算法
第3章　线性回归算法 36
3.1　算法概述 36
3.2　算法原理 37
3.2.1　线性回归模型 37
3.2.2　一元线性回归算法 37
3.2.3　多元线性回归算法 39
3.2.4　梯度下降求解线性回归模型 40
3.3　算法案例：波士顿房价预测 44
3.4　算法总结 47
3.5　本章习题 48
第4章　逻辑回归算法 49
4.1　算法概述 49
4.1.1　什么是逻辑回归 49
4.1.2　逻辑回归对比线性回归 50
4.1.3　算法引入 50
4.2　算法原理 51
4.2.1　算法流程 51
4.2.2　假设函数 51
4.2.3　代价函数 52
4.2.4　梯度下降法 53
4.2.5　决策边界 53
4.3　算法案例：判断是否为恶性肿瘤 54
4.4　算法总结 57
4.5　本章习题 57
第5章　支持向量机 58
5.1　算法概述 58
5.2　算法原理 58
5.2.1　线性可分支持向量机介绍 58
5.2.2　拉格朗日乘子法 61
5.2.3　对偶问题和KKT条件 62
5.2.4　SMO算法原理 63
5.2.5　非线性支持向量机 64
5.2.6　线性支持向量机 65
5.3　算法案例：手写体数字识别 66
5.4　算法总结 70
5.5　本章习题 70
第6章　K近邻算法 72
6.1　算法概述 72
6.2　算法原理 73
6.2.1　算法计算步骤 73
6.2.2　K值的选取 73
6.2.3　确定距离函数 74
6.3　算法案例：约会网站配对与预测签到位置 75
6.3.1　约会网站配对案例 75
6.3.2　预测签到位置案例 81
6.4　算法总结 82
6.5　本章习题 83
第7章　决策树 84
7.1　算法概述 84
7.1.1　什么是决策树 84
7.1.2　如何生成一棵决策树 85
7.1.3　决策过程 86
7.2　算法原理 86
7.2.1　信息增益 87
7.2.2　信息增益比 90
7.2.3　基尼（Gini）指数 91
7.2.4　决策树的生成 91
7.2.5　决策树的剪枝 92
7.3　算法案例：借贷人状态评估 92
7.3.1　利用信息增益选择最优划分属性 93
7.3.2　递归构建决策树 95
7.4　算法总结 96
7.5　本章习题 97
第8章　朴素贝叶斯算法 98
8.1　算法概述 98
8.1.1　算法简介 98
8.1.2　理论基础 98
8.2　算法原理 101
8.2.1　算法流程 101
8.2.2　实例分析 102
8.3　算法案例：朴素贝叶斯实现舆情判别 103
8.3.1　朴素贝叶斯分类器 103
8.3.2　核心代码及分析 104
8.4　算法总结 107
8.4.1　优点 107
8.4.2　缺点 107
8.5　本章习题 107
第9章　集成学习算法 109
9.1　算法概述 109
9.2　算法原理 110
9.2.1　AdaBoost算法 110
9.2.2　Bagging算法 113
9.2.3　随机森林算法 114
9.3　算法案例：垃圾邮件分类应用 115
9.4　算法总结 118
9.5　本章习题 119
第三部分　无监督式学习算法
第10章　主成分分析算法 121
10.1　算法概述 121
10.2　算法原理 122
10.3　算法案例：数据降维应用 123
10.4　算法总结 124
10.5　本章习题 125
第11章　K-Means算法 126
11.1　算法概述 126
11.2　算法原理 127
11.2.1　算法流程 131
11.2.2　算法描述 131
11.2.3　核心代码 132
11.3　算法案例：鸢尾花聚类分析 134
11.3.1　鸢尾花卉数据集 134
11.3.2　聚类结果可视化 134
11.4　算法总结 135
11.5　本章习题 135
第12章　EM算法 136
12.1　算法概述 136
12.1.1　最大似然法 136
12.1.2　含有隐变量的参数估计问题 138
12.1.3　EM算法的引入 139
12.2　算法原理 139
12.2.1　EM-GMM推导 141
12.2.2　EM算法求解一维高斯混合模型参数 142
12.3　算法案例：求解男性身高和女性身高的分布
参数 145
12.4　算法总结 149
12.5　本章习题 150
第四部分　深度学习算法
第13章　BP神经网络 152
13.1　算法概述 152
13.1.1　人工神经网络 152
13.1.2　BP神经网络 153
13.2　算法原理 155
13.2.1　正向传播 155
13.2.2　反向传播 155
13.2.3　Sigmoid函数 156
13.2.4　BP神经网络具体步骤 157
13.2.5　三层BP神经网络算法实现 158
13.3　算法案例：天气温度预测 162
13.3.1　项目描述 162
13.3.2　代码实现 162
13.4　算法总结 164
13.5　本章习题 165
第14章　循环神经网络 166
14.1　算法概述 166
14.2　算法原理 167
14.2.1　循环神经网络结构 167
14.2.2　RNN结构变体 168
14.3　算法案例：数据走势与飞机乘客预测 169
14.3.1　数据走势预测案例 169
14.3.2　飞机乘客预测案例 172
14.4　算法总结 173
14.4.1　双向RNN 173
14.4.2　深层双向RNN 174
14.4.3　金字塔RNN（Pyramidal RNN） 175
14.5　本章习题 175
第15章　卷积神经网络 176
15.1 　算法概述 176
15.1.1　卷积神经网络的起源与应用 176
15.1.2　卷积神经网络结构特点 177
15.1.3　卷积神经网络核心概念 178
15.2　算法原理 180
15.2.1　选择激活函数 180
15.2.2　比较损失函数 181
15.2.3　训练参数调优 183
15.3　算法案例：对Cifar10数据集图像分类 185
15.3.1　Cifar10数据集使用 185
15.3.2　卷积神经网络模型训练 185
15.3.3　图片模型预测 187
15.4　算法总结 189
15.5　本章习题 189
第16章　LSTM神经网络 191
16.1　算法概述 191
16.2　算法原理 193
16.2.1　细胞状态 193
16.2.2　遗忘门 194
16.2.3　输入门 195
16.2.4　更新门 195
16.2.5　输出门 195
16.2.6　BPTT 196
16.2.7　梯度消失 197
16.3　算法案例：股票价格预测 198
16.3.1　LSTM算法构建 198
16.3.2　LSTM算法描述 199
16.3.3　LSTM算法实现 199
16.3.4　基于Keras-TensorFlow框架实现股票
价格的预测 201
16.4　算法总结 202
16.5　本章习题 202
第17章　生成对抗网络 204
17.1　算法概述 204
17.2　算法原理 205
17.2.1　原理过程 205
17.2.2　具体操作 206
17.2.3　目标函数的优化 206
17.2.4　GAN算法的改进 207
17.2.5　算法设计与实现 208
17.2.6　算法的应用 210
17.3　算法案例：拟合二次函数与图片生成 213
17.3.1　用GAN实现拟合二次函数 213
17.3.2　利用GAN创造假的图片 214
17.4　算法总结 215
17.5　本章习题 215
参考文献 217

1. Amazing！儿童英语自然拼读分级教材（全8册） [王玲　编著]
2. Spark大数据处理技术 [主编　刘仁山　周洪翠　庄新妍]
3. 人工智能概论（第二版） [张广渊　周风余　朱振方　著]
4. 计算机网络技术项目化教程（微课版） [主编 王艳萍 安华萍]
5. 数据清洗 [黄源　刘智杨　孙大松]
6. 数据挖掘算法—基于C++及CUDA C [蒂莫西•马斯特斯（Timothy]
7. 电路设计与PCB制作实操教程 [主编 周永宏]
8. 电路与电子技术Ⅰ—数字电子技术 [主编 郑玉珍 王淑琴]
9. Java编程基础案例式教程 [主编 陈艳华 唐春兰]
10. Python语言同步案例习题精解 [主编 肖朝晖]
11. Excel在会计工作中的应用（第三版） [主 编 赵艳莉 耿聪慧]
12. 应用数学 [主编 刘东海 刘丽瑶]
13. Web用户界面设计与制作 [主编 赵娟]
14. 计算机网络基础创新教程（模块化+课程思政版） [主编 唐继勇 李旭]
15. 计算机应用技术基础案例教程 [主编 周丽娟 王璐]
16. Unity应用开发与实战（微课版） [主 编 程永恒]
17. PHP程序设计项目化教程 [主 编 杜海颖]
18. 多智能体系统建模、仿真及应用 [赵春晓　魏楚元　著]
19. 文学基础与影视欣赏 [杨华轲 朱伟利 毕雪燕 罗玲谊]
20. 路由交换技术项目化教程 [主编　范国娟]
21. 信息技术基础立体化教程 [邹承俊 周洪林 刘和文 叶煜 ]
22. 大学计算机基础与计算思维 [主编 闵笛 汪莹]
23. 无线局域网技术与实践 [主编 唐继勇 刘思伶]
24. 信息技术基础项目化教程 [主编 王宏斌 王万丽 王芳]
25. 体育与健康 [主编 马驰 吴雅彬]
26. 大学计算机信息素养（第二版） [主编 卢山]
27. 全国计算机等级考试一级（MS Office）指导手册 [主编 王宏斌 孙元 禹晨]
28. 大学计算机基础实验指导及习题解析 [主编 闵笛 李明]
29. 大学计算机信息素养实验指导（第二版） [主编 卢山]
30. 信息技术基础（微课版） [主编　赵艳莉　喻林]