目 录 CONTENT ▲ 第1章 人工智能及机器学习概述...................................1 1.1 人工智能概述 ............................................................................1 1.1.1.人工智能简史...............................................................2 1.1.2.人工智能是什么...........................................................4 1.1.3.人工智能的能力...........................................................5 1.2 机器学习概述 ............................................................................5 1.2.1.机器学习是什么...........................................................5 1.2.2.以监督学习为例...........................................................6 1.2.3.学习任务......................................................................7 1.2.4.机器学习要解决的基本问题.......................................7 1.2.5.机器学习如何优化模型...............................................7 1.2.6.机器学习工作流程.......................................................7 1.2.7.机器学习的各大流派...................................................8 1.2.8.机器学习算法选择.......................................................8 1.2.9.需要的知识...................................................................9 1.3 深度学习概述 ............................................................................9 1.4 机器学习与统计学 ....................................................................9 1.5 课后练习 ..................................................................................10 ▲ 第2章 机器学习基础知识...........................................11 2.1 数学基础 ..................................................................................11 2.1.1.数据的分类.................................................................12 2.1.2.基本统计学术语.........................................................12 2.1.3.回归............................................................................14 2.1.4.*小二乘法.................................................................14 2.1.5.判断拟合好坏.............................................................15 2.1.6.小结............................................................................17 2.2 读图 ..........................................................................................17 2.2.1.数值数据的分布.........................................................17 2.2.2.分类数据的分布.........................................................18 2.3 KNIME .....................................................................................21 2.3.1.KNIME简介..............................................................21 2.3.2.下载和安装.................................................................21 2.3.3.KNIME基本使用.......................................................21 2.3.4.小结............................................................................28 2.4 课后练习 ..................................................................................28 ▲ 第3章 线性回归.........................................................29 3.1 简单线性回归 ..........................................................................30 3.1.1.场景说明....................................................................30 3.1.2.KNIME建立工作流...................................................30 3.1.3.数据获取....................................................................30 3.1.4.观察数据....................................................................31 3.1.5.数据划分....................................................................33 3.1.6.模型训练....................................................................34 3.1.7.模型测试....................................................................37 3.1.8.损失函数....................................................................37 3.2 多元线性回归初步 ..................................................................38 3.2.1.任务及数据说明.........................................................38 3.2.2.建立基本的工作流.....................................................38 3.2.3.读取并观察数据.........................................................39 3.2.4.整合界面....................................................................49 3.3 多元线性回归进阶 ..................................................................51 3.3.1.优化模型....................................................................51 3.3.2.正向选择节点.............................................................55 3.3.3.反向消除....................................................................58 3.3.4.模型解释....................................................................58 3.3.5.特征归一化.................................................................59 3.3.6.使用KNIME具体实现归一化..................................59 3.3.7.相关系数....................................................................60 3.4 课后练习 ..................................................................................61 ▲ 第4章 逻辑回归.........................................................63 4.1 逻辑回归基本概念 ..................................................................63 4.1.1.分类问题....................................................................63 4.1.2.从线性回归到逻辑回归.............................................65 4.1.3.判定边界....................................................................66 4.1.4.KNIME工作流..........................................................66 4.1.5.读取数据....................................................................67 4.1.6.数据处理....................................................................67 4.1.7.模型训练及测试.........................................................68 4.1.8.模型评价....................................................................69 4.2 逻辑回归实战 ..........................................................................71 4.2.1.泰坦尼克号生存问题背景介绍..................................71 4.2.2.读取数据....................................................................72 4.2.3.数据处理....................................................................73 4.2.4.数据可视化及删除无关列.........................................75 4.2.5.模型训练和测试.........................................................82 4.2.6.模型评价....................................................................83 4.2.7.提交结果....................................................................85 4.2.8.模型解释....................................................................89 4.3 课后练习 ..................................................................................90 ▲ 第5章 模型优化.........................................................91 5.1 梯度下降 ..................................................................................91 5.1.1.损失函数....................................................................92 5.1.2.使用KNIME优化模型..............................................96 5.2 正则化 ......................................................................................98 5.2.1.准确性和健壮性.........................................................98 5.2.2.复杂的模型.................................................................98 5.2.3.欠拟合和过拟合.........................................................98 5.2.4.正则化防止过拟合...................................................100 5.2.5.使用KNIME设置正则化........................................100 5.3 模型评价 ................................................................................101 5.3.1.混淆矩阵.......