《遗传算法与机器学习编程》[56M]百度网盘|pdf下载|亲测有效

产品特色

编辑推荐

适合程序员读的机器学习教程，通过游戏和趣味问题讲解机器学习的思路和方法，附有动画演示，无需深奥的数学知识，轻松掌握机器学习概念和技巧。美国亚马逊书店5星图书。

内容简介

自动驾驶汽车、自然语言识别、内容推荐引擎的实现都离不开人工智能和机器学习算法。机器学习算法只有在解决具体问题时才能体现价值。本书以解决各种趣味问题为目标，教读者用Python、JavaScript、C++编写机器学习算法，内容深入浅出，兼具实用性与大局观。读者将学习编写遗传算法、启发式算法、爬山算法、模拟退火算法，运用蒙特·卡洛模拟、点格自动机、适应函数解决问题。本书尤其适合对人工智能和机器学习感兴趣的程序员进阶学习。

作者简介

Frances Buontempo博士多年来一直从事数据挖掘方面的研究工作，她有近三十年的软件开发经验，同时还担任ACCU网站的Overload杂志编辑。
Frances Buontempo is the editor of ACCU's Overload magazine (https://accu.org/index.php/journal/?overload_by_cover). She has published articles and given talks centered on technology and machine learning. With a PhD in data mining, she has been programming professionally since the 1990s. During her career as a programmer, she has championed unit testing, mentored newer developers, deleted quite a bit of code and fixed a variety of bugs.

精彩书评

总算有一本把机器学习讲清楚的书了。从头到尾一点不含糊，感谢作者！

——T.R. Hinton，美国亚马逊读者

例子很有趣，现在我不仅知道怎么解决问题，而且明白了为什么要这样做！

——Hans，美国亚马逊读者

所有例子都有可示化代码，不罗列概念，不掉书袋，图文并茂，好书！

——Fun Gus，美国亚马逊读者

我喜欢动手实践，这本书的难度很适合我！

——Mr. Skeptical，美国亚马逊读者

前言/序言

不知道你有没有听说过一个说法——“编程逃出纸口袋”（译注：原文为Coding your way out of a paper bag，way out of a paper bag是俚语，用来比喻容易的事。这个短语常用于否定句，比如someone is not able to code their way out of a paper bag，意思是有些人毫无编程经验。作者在这里将这个短语用作双关语，一来表示本书将帮助读者轻松掌握机器学习的概念与算法，二来作者确实在例子里用到了纸口袋）。本书将教你用各种机器学习算法帮助粒子、蚂蚁、蜜蜂，甚至乌龟逃离纸口袋。这个比喻听起来有点怪，但这种方式很适合演示算法。

读者对象

如果你是初学者或刚入门的程序员，想学习机器学习算法，那么这本书很适合你。你将学习遗传算法（genetic algorithm）、自然启发的粒子群算法（nature-inspired swarm）、蒙特卡洛模拟（Monte Carlo simulation）、元胞自动机（cellular automata），还有聚类（cluster）。除此以外，你还将学习测试代码。

本书内容

阅读本书，你将学习：
? 运用启发式算法（heuristics）解决问题并设计适应度函数（fitness function）。
? 构建遗传算法（genetic algorithm）。
? 构建受自然启发的粒子群算法（nature-inspired swarms）。
? 用蒙特卡洛模拟（Monte Carlo simulation）进行统计模拟。
? 了解元胞自动机（cellular automata）的概念。
? 使用爬山法（hill climbing）和模拟退火算法（simulated annealing）找到函数的极值。
? 尝试各种选择算法，包括锦标赛法（tournament selection）和转轮赌选择法（roulette selection）。
? 掌握启发式算法、适应度函数、衡量指标和聚类的知识。
你还会学习测试代码，举一反三地解决新问题，因地制宜地采用编程策略——这是称职的程序员必须具备的素质。除此之外，你还会借助可视化代码观察算法是如何通过学习来解决问题的。衷心希望这本书能对你未来的机器学习项目有所启发。

在线资源

受篇幅所限，书中代码有所省略。本书官网有完整的代码下载。
书中代码采用C++（C++11及以上版本）、Python（2.x或3.x）和JavaScript（用于操作HTML5 canvas）编写。代码还会用到一些开源库，包括matplotlib、SFML、Catch、Cosmix-Ray。这些绘图库和测试库不是必需的，但是能带来更完整的学习体验。你也可以根据算法描述，用你喜欢的语言编程，而不必拘泥于书中的代码。

Frances Buontempo

查看全部↓