封面 书名页 版权页 前言 目录页 第一篇 人工智能算法的实现工具 第1章 Python语言简介 1.1 Python开发环境搭建 1.1.1 下载和安装Python 1.1.2 下载和安装PyCharm 1.1.3 下载和安装Anaconda 1.2 Python语言基础 1.2.1 Python基本语法和常用语句 1.2.2 Python组合数据类型 1.2.3 Python函数 第2章 数据处理常用工具 2.1 Python数据处理工具箱 2.1.1 Python内置函数 2.1.2 Python标准库 2.1.3 Python的第三方库 2.2 Python数据计算库 2.2.1 numpy库 2.2.2 scipy库 2.2.3 pandas库 2.3 图形库 2.3.1 matplotlib库 2.3.2 seaborn库 第二篇 人工智能算法的思维工具 第3章 微积分学基础 3.1 极限与连续 3.1.1 极限 3.1.2 连续 3.2 导数与微分 3.2.1 导数 3.2.2 偏导数及全微分 3.3 函数性质研究 3.3.1 单调性 3.3.2 凹凸性 3.3.3 一元函数极值 3.3.4 二元函数极值 3.4 积分 3.4.1 不定积分 3.4.2 定积分 3.4.3 反常积分 3.4.4 二重积分 3.4.5 三重积分 第4章 线性代数 4.1 行列式 4.1.1 行列式定义 4.1.2 行列式性质 4.1.3 克莱姆法则 4.2 矩阵 4.2.1 矩阵的概念 4.2.2 矩阵的运算 4.2.3 矩阵的初等变换 4.3 线性方程组 4.3.1 n元线性方程组 4.3.2 n维向量 4.3.3 齐次线性方程组 4.3.4 非齐次线性方程组 4.4 特征值问题及二次型 4.4.1 特征值与特征向量 4.4.2 相似矩阵 4.4.3 二次型 第5章 概率统计 5.1 Python统计常用方法 5.2 随机事件及其概率 5.2.1 随机试验与随机事件 5.2.2 事件的关系及运算 5.2.3 概率及其运算 5.2.4 条件概率与独立性 5.2.5 全概率公式 5.2.6 贝叶斯公式 5.3 随机变量 5.3.1 随机变量的概念 5.3.2 常见的随机分布 5.4 随机变量的数学特征 5.4.1 期望 5.4.2 方差 5.4.3 协方差与相关系数 5.5 统计量及其分布 5.5.1 统计量 5.5.2 判别统计量优劣的标准 5.5.3 常用统计量的分布 5.6 参数估计 5.6.1 点估计 5.6.2 区间估计 第三篇 人工智能算法的实际应用 第6章 误差与插值 6.1 误差 6.1.1 误差来源 6.1.2 误差与误差限 6.1.3 相对误差 6.1.4 误差的传播 6.2 插值法 6.2.1 数据清洗 6.2.2 线性插值 6.2.3 抛物线插值 6.2.4 拉格朗日插值 6.2.5 牛顿插值多项式 6.3 各类插值法的比较 第7章 回归 7.1 线性回归 7.1.1 一元线性回归 7.1.2 多元线性回归 7.2 非线性回归 7.2.1 K近邻回归 7.2.2 决策树回归 7.2.3 支持向量机回归 第8章 最优化方法 8.1 无条件极值 8.1.1 一元函数无条件极值问题 8.1.2 二元函数无条件极值问题 8.1.3 多元函数无条件极值问题 8.1.4 梯度下降法 8.2 有条件极值 8.2.1 有条件函数极值模型 8.2.2 拉格朗日乘数法 8.2.3 罚函数法 第9章 随机过程 9.1 马尔可夫链 9.1.1 正规随机矩阵 9.1.2 一般随机过程 9.1.3 马尔可夫链简介 9.2 吸收马尔可夫链 9.2.1 吸收马尔可夫链的概念 9.2.2 吸收马尔可夫链n步转移概率矩阵 9.3 隐马尔可夫链 9.3.1 隐马尔可夫链简介 9.3.2 隐马尔可夫模型 9.3.3 隐马尔可夫链的应用 第10章 模拟技术 10.1 随机函数 10.2 随机模拟 10.2.1 蒙特卡洛模拟 10.2.2 模拟数据的产生 参考文献 ..更多