機器學習理論與應用：基于云教育環(huán)境

定　價：￥49.00

作　者：	馬長林，鄭世玨，劉三女牙著
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥49.00)

ISBN：	9787302514053	出版時間：	2019-06-01	包裝：	平裝
開本：	16	頁數(shù)：	178	字數(shù)：

內(nèi)容簡介

　　本書在全面介紹機器學習、現(xiàn)代教育技術(shù)、智慧教育及云教育等基本概念知識的基礎上，重點介紹了機器學習中基于主題模型的文本分類、觀點挖掘、情感分析的具體建模方法和實現(xiàn)細節(jié)，并通過云教育平臺主題模型可視化應用的實現(xiàn)過程來說明如何將主題模型應用于教育數(shù)據(jù)處理分析。讀者可以通過閱讀本書了解機器學習的相關(guān)概念、理論體系和應用方法，獲取云教育這一全新教育信息概念的推廣和應用，掌握將云教育與機器學習技術(shù)嫁接后多種形式的集成學習系統(tǒng)研究的方法和動向，更好地解決智慧學習模式中知識與技能的獲取、優(yōu)化和應用問題。本書主要面向人工智能、機器學習、智慧教育、數(shù)據(jù)挖掘以及計算機相關(guān)應用等領(lǐng)域的研究生和相關(guān)領(lǐng)域的科技人員，可以供上述領(lǐng)域的研究者、學習者閱讀，并為政府相關(guān)主管部門決策提供科學依據(jù)。

作者簡介

暫缺《機器學習理論與應用：基于云教育環(huán)境》作者簡介

圖書目錄

目錄

第1章概述

1.1機器學習的興起

1.1.1機器學習的定義

1.1.2機器學習的發(fā)展

1.1.3機器學習和人工智能的關(guān)系

1.2機器學習與現(xiàn)代教育技術(shù)

1.2.1現(xiàn)代教育技術(shù)的基本概念

1.2.2現(xiàn)代教育技術(shù)的發(fā)展

1.2.3教育技術(shù)研究對象與任務

1.2.4現(xiàn)代教育技術(shù)的發(fā)展新趨勢

1.2.5機器學習與現(xiàn)代教育技術(shù)的聯(lián)系

1.3終身教育的提出

1.3.1終身學習

1.3.2特點

1.3.3意義

1.3.4終身教育和機器學習的關(guān)系

1.4大數(shù)據(jù)時代智慧教育的發(fā)展

1.4.1智慧教育的概念和內(nèi)涵

1.4.2智慧教育的體系和關(guān)鍵技術(shù)

1.4.3智慧教育的發(fā)展

1.4.4學習型社會下基于機器學習技術(shù)的智慧教育系統(tǒng)

1.5云教育的支撐

1.5.1云教育平臺

1.5.2教育云

1.5.3大數(shù)據(jù)時代機器學習云平臺

1.6深度學習

1.6.1深度問題

1.6.2核心思路

1.6.3成功案例

1.6.4深度學習在信息教育技術(shù)方面的運用

1.7流形學習

1.7.1等距映射

1.7.2LE

1.7.3LLE

1.7.4PCA

1.7.5MDS

1.8知識圖譜

1.8.1知識圖譜特點

1.8.2中文知識圖譜

第2章機器學習概述

2.1機器學習方法

2.1.1有監(jiān)督學習

2.1.2無監(jiān)督學習

2.1.3半監(jiān)督學習

2.1.4三種機器學習方法比較

2.2機器學習策略

2.2.1機械學習

2.2.2基于解釋的學習

2.2.3基于類比的學習

2.2.4基于事例的學習

2.3機器學習的主要算法和相關(guān)術(shù)語

2.3.1機器學習主要算法

2.3.2機器學習相關(guān)術(shù)語概念

第3章機器學習中概率主題模型

3.1LSA模型

3.2PLSA模型

3.3LDA模型

3.3.1多項式分布

3.3.2Dirichlet分布

3.3.3貝葉斯網(wǎng)絡

3.3.4LDA標準模型

3.3.5LDA改進觀點挖掘模型

3.4CTM模型

第4章基于主題情感最大熵LDA模型

4.1TSU MaxEntLDA模型描述

4.2TSU MaxEntLDA模型生成過程

4.3TSU MaxEntLDA模型推理

4.3.1MaxEnt最大熵模型推理

4.3.2TSU MaxEntLDA主題模型推理

4.4仿真實驗

4.4.1實驗平臺

4.4.2實驗數(shù)據(jù)描述

4.4.3實驗數(shù)據(jù)預處理

4.4.4實驗參數(shù)說明

4.4.5實驗步驟

4.4.6實驗結(jié)果及分析

4.5程序舉例

第5章基于云模型和領(lǐng)域判別LDA模型

5.1云模型相關(guān)理論

5.1.1云模型的定義

5.1.2云模型的數(shù)字特征

5.1.3云模型的“3En規(guī)則”

5.1.4正向云和逆向云發(fā)生器

5.1.5云的相似度算法

5.2SC MaxEntLDA模型

5.2.1模型描述

5.2.2模型生成過程

5.2.3模型推理

5.2.4基于云模型理論的情感修正算法

5.3SC MaxEntLDA仿真實驗

5.3.1數(shù)據(jù)集和實驗環(huán)境

5.3.2實驗步驟

5.4DILDA模型

5.4.1模型簡介

5.4.2模型推理

5.5DILDA模型仿真實驗

5.5.1實驗平臺和實驗數(shù)據(jù)描述處理

5.5.2實驗步驟

5.6程序舉例

第6章CTM模型文本分類和觀點挖掘

6.1文本分類概述

6.1.1文本預處理

6.1.2文本表示

6.1.3特征提取

6.1.4文本分類方法

6.1.5性能評估

6.1.6相關(guān)工具

6.2CTM文本分類模型

6.2.1模型描述

6.2.2CTM模型主題數(shù)目優(yōu)化

6.2.3CTM模型的特征選擇優(yōu)化

6.2.4仿真實驗

6.3基于主題情感混合的CTM觀點挖掘模型

6.3.1STCTM模型簡介

6.3.2STCTM模型推理

6.3.3主題相關(guān)性分析實驗

6.4程序舉例

第7章云教育平臺主題模型可視化應用

7.1情感云最大熵LDA模型可視化應用

7.2文本分類CTM模型可視化應用

7.3程序舉例

附錄A軟件著作權(quán)登記證書

附錄B本文中CTM主題模型應用代碼

參考文獻