人工智能基礎(chǔ)理論與能源礦業(yè)領(lǐng)域的應(yīng)用
本書從人工智能基礎(chǔ)理論出發(fā)，介紹機(jī)器學(xué)習(xí)算法和相關(guān)數(shù)學(xué)模型，然后再介紹人工智能理論在非常規(guī)油氣資源開采及礦產(chǎn)資源開發(fā)的應(yīng)用，涵蓋深部儲(chǔ)層精細(xì)刻畫、智能監(jiān)測、施工優(yōu)化、安全預(yù)警等領(lǐng)域。本書可作為高校教學(xué)用書和科研參考用書，適用于石油、礦業(yè)等能源領(lǐng)域以及土木、力學(xué)等工程領(lǐng)域。
更多科學(xué)出版社服務(wù)，請(qǐng)掃碼獲取。
目錄：
第一章 機(jī)器學(xué)習(xí)基礎(chǔ)
第一節(jié) 引言
1.1.1 機(jī)器學(xué)習(xí)類別
1.1.2 機(jī)器學(xué)習(xí)庫
1.1.3 機(jī)器學(xué)習(xí)工作流
第二節(jié) 數(shù)據(jù)預(yù)處理
1.2.1 數(shù)據(jù)分割：訓(xùn)練、驗(yàn)證和測試數(shù)據(jù)集
1.2.2 數(shù)據(jù)加載——讀取不同數(shù)據(jù)類型
1.2.3 特征工程
1.2.4 超參數(shù)優(yōu)化
第三節(jié) 監(jiān)督學(xué)習(xí)
1.3.1 k-近鄰算法 (k-Nearest Neighbors, k-NN)
1.3.2線性模型
1.3.3 支持向量機(jī)
1.3.4 決策樹
1.3.5 Bagging 與 Boosting
1.3.6 決策樹集成
1.3.7 人工神經(jīng)網(wǎng)絡(luò)簡介
1.3.8 高斯樸素貝葉斯分類
1.3.9 線性判別分析（LDA）
第四節(jié) 無監(jiān)督學(xué)習(xí)
1.4.1 聚類
1.4.2 降維
第五節(jié) 半監(jiān)督學(xué)習(xí)
1.5.1自訓(xùn)練
1.5.2協(xié)同訓(xùn)練
1.5.3 半監(jiān)督聚類
1.5.4 生成式半監(jiān)督學(xué)習(xí)
第六節(jié) 強(qiáng)化學(xué)習(xí)
1.6.1 模型自適應(yīng)強(qiáng)化學(xué)習(xí)
1.6.2 模仿學(xué)習(xí)
第七節(jié) 模型評(píng)估
1.7.1交叉驗(yàn)證
1.7.2評(píng)估指標(biāo)
1.7.3二分類指標(biāo)
1.7.4回歸指標(biāo)
習(xí)題
書單推薦
