1章分类算法一一决策树学p>1.1决策树算法基础1.1.1决策树源理1.1.2信息熵、信息增益、信息增益率1.1.3决策树算法1.2使用 scikit_learn行决策树学p>1.3综合实例一一使用决策行相亲结果预测1.4本章小结1.5/p>2章支持向量机2.1支持向量机基础2.1.1分类超平面、支持向量和高维映射2.1.2线可分优超平面的求解2.1.3线不可分样本的高维映射2.1.4常用核函数2.2使用 scikit_learn行支持向量机分类2.2.klearn. Svm支持向量机分类概述2.2.2支持向量机二元分类2.2.3支持向量机多元分类2.2.4划分数据集并保存和加载模型2.3综合实例一一使用支持向量机对轮胎能数据集分类2.4本章小结2.5/p>3章聚类分析3.1聚类分析基础知识3.1.1聚类分析概述3.1.2相似度计算方法3.1.3聚类分析四大方法3.1.4聚类结果评估3.2K_means聚类算法3.2.1 K_means聚类的具体步骤3.2.2K_means聚类中K值的选择依据:肘部法3.3使用 scikit_lear行K_means聚类3.3.1使用KMeans行简单K_means聚类3.3.2使用肘部法则确定K_means聚类佳K值3.3.3使用肘部法则确定多元分类样本的佳K值3.4综合实例一100瓶葡萄酒评级3.5本章小结3.6/p>4章集成学p>4.1集成学4.2集成学方法4.2.1 Bagging4.2.2森林..4.2.3 AdaBoost4.2.4 Gradient Tree Boosting4.2.5 XGBoost4.3综合实例一训练牛奶质量数据集并对比分析各集成方法4.4本章小结4.5/p>5章神经网络学p>5.1神经网络基础5.1.1人类神经元结构及连接机制5.1.2神经元的数学结构及连接形式5.2神经网络经典算法5.2.1梯度下降算法5.2.2 BP神经网络算法5.2.3概率神经网络5.3使用 scikit_learn的多层感知器训练神经网络5.3.cikit_learn 神经网络概述5.3.2使用MLPClassifier构建一个简单神经网络……8.2.3知识融合8.2.4知识加工与知识更新8.2.5知识存储8.3综合实例一基于Neo4j的知识图谱构建8.4本章小结8.5/p>9章人工智能大模型与智能问答9.1智能问答概述9.2智能问答技术架构9.2.1数据收集与处理9.2.2问题解析9.2.3信息检索9.2.4回答生成9.2.5对话管理9.2.6评估与优化9.3综合实例一基于LangChain开发PDF智能问答程序9.3.1 LangChain简介9.3.2 LangChain开发PDF智能问答程序9.4本章小结9.5/p>参考文献