吕云翔、马连韬、刘卓然、张凡、张程博编著的《机器学习基础(大数据技术与应用专业规划教材)》全面系统地介绍了机器学习的基本概念、预备知识、主要思想、研究进展、基础技术、应用技巧，并围绕当前机器学习领域的热点问题展开讨论。全书共11章，主要内容包括决策树、神经网络、支持向量机、遗传算法、回归、聚类分析等。
本书可作为高等院校计算机、软件工程、智能科学与技术等专业研究生和高年级本科生的教材，同时对于从事人工智能、数据挖掘、模式识别等相关技术人员也具有较高的参考价值。

第1章 绪论
1.1 从两个问题谈起
1.2 模型评估与模型参数选择
1.2.1 验证
1.2.2 正则化
1.3 机器学习算法分类
1.3.1 监督学习
1.3.2 非监督学习
习题
第2章 回归
2.1 线性回归
2.2 Logistic回归
习题
第3章 LDA主题模型
3.1 LDA简介
3.2 数学基础
3.2.1 多项分布
3.2.2 Dirichlet分布
3.2.3 共轭先验分布
3.3 LDA主题模型
3.3.1 基础模型
3.3.2 PLSA模型
3.3.3 LDA模型
3.4 LDA模型应用实例
3.4.1 配置安装
3.4.2 文本预处理
3.4.3 使用Gensim
习题
第4章 决策树
4.1 决策树简介
4.1.1 一个小例子
4.1.2 几个重要的术语及决策树构造思路
4.2 离散型决策树的构造
4.3 连续性数值的处理
4.4 决策树剪枝
习题
第5章 支持向量机
5.1 分离超平面与最大间隔
5.2 线性支持向量机
5.2.1 硬间隔
5.2.2 软间隔
5.3 非线性支持向量机
5.3.1 核方法
5.3.2 常用的核函数
5.4 操作实例：应用MATLAB多分类SVM、二分类SVM、决策树算法进行分类
5.4.1 数据集选择
5.4.2 数据预处理
5.4.3 模型表现
5.4.4 经验总结
习题
第6章 提升方法
6.1 随机森林
6.1.1 随机森林介绍
6.1.2 Bootstrap Aggregation
6.1.3 随机森林训练过程
6.1.4 随机森林的优点与缺点
6.2 Adaboost
6.2.1 引入
6.2.2 Adaboost实现过程
6.2.3 Adaboost总结
6.3 随机森林算法应用举例
6.3.1 MATLAB中随机森林算法
6.3.2 操作实例1：基于集成方法的IRIS数据集分类
6.3.3 操作实例2：基于ensemble方法的人脸识别
习题
第7章 神经网络基础
7.1 基础概念
7.2 感知机
7.2.1 单层感知机
7.2.2 多层感知机
7.3 BP神经网络
7.3.1 梯度下降
7.3.2 后向传播
7.4 径向基函数网络
7.4.1 精确插值与径向基函数
7.4.2 径向基函数网络
7.5 Hopfield网络
7.5.1 Hopfield网络的结构
7.5.2 Hopfield网络的训练
7.5.3 Hopfield网络状态转移
7.6 Boltzmann机
7.7 自组织映射网络
7.7.1 网络结构
7.7.2 训练算法
7.8 实例：使用MATLAB进行Batch Normalization
7.8.1 浅识Batch Normalization
7.8.2 MATLAB nntool使用简介
习题
第8章 深度神经网络
8.1 什么是深度神经网络
8.2 卷积神经网络
8.2.1 卷积神经网络的基本思想
8.2.2 卷积操作
8.2.3 池化层
8.2.4 卷积神经网络
8.3 循环神经网络
8.3.1 循环单元
8.3.2 通过时间后向传播
8.3.3 带有门限的循环单元
8.4 MATLAB深度学习工具箱简介
8.5 利用Theano搭建和训练神经网络
8.5.1 Theano简介
8.5.2 Theano的基本使用
8.5.3 搭建训练神经网络的项目
习题
第9章 聚类算法
9.1 简介
9.1.1 聚类任务
9.1.2 基本表示
9.2 K Means算法
9.2.1 算法简介
9.2.2 算法流程
9.2.3 K Means的一些改进
9.2.4 选择合适的K
9.2.5 X Means
9.3 层次聚类
9.4 聚类算法拓展
9.4.1 聚类在信号处理领域的应用
9.4.2 以语义聚类的形式展示网络图像搜索结果
习题
第10章 寻优算法之遗传算法
10.1 简介
10.1.1 算法起源
10.1.2 基本过程
10.1.3 基本表示
10.1.4 输入输出
10.1.5 优缺点及应用
10.2 算法原型
10.2.1 初始化
10.2.2 评估
10.2.3 选择优秀个体
10.2.4 交叉
10.2.5 变异
10.2.6 迭代
10.3 算法拓展
10.3.1 精英主义思想
10.3.2 灾变
习题
第11章 项目实践：基于机器学习的监控视频行人检测与追踪系统
11.1 引言
11.2 相关算法与指标
11.2.1 方向梯度直方图
11.2.2 支持向量机
11.2.3 结构相似性
11.2.4 Haar Like特征
11.2.5 级联分类器
11.2.6 特征脸
11.3 系统设计与实现
11.3.1 视频处理模块
11.3.2 图像识别模块
11.3.3 目标追踪模块
11.4 系统测试
11.4.1 测试环境
11.4.2 系统单元测试与集成测试
11.4.3 性能测试
11.4.4 系统识别准确率测试
11.5 结语
参考文献