小册描述
目录
- 1.1 什么是人工智能?
- 1.2 人工智能的发展历史、现状及未来发展方向
- 1.2.1 人工智能的发展历史
- 1.2.2 人工智能的现状
- 1.2.3 人工智能发展趋势与展望
- 1.3 人工智能的主要学派
- 1.3.1 符号主义
- 1.3.2 连接主义
- 1.3.3 行为主义
- 1.3.4 三大学派的协同并进
- 1.4.1 为什么使用Python 来开发人工智能
- 1.4.2 Python 简介
- 第2 章 搜索的基本策略
- 2.1 搜索过程
- 2.2 盲目搜索策略
- 2.2.1 宽(广)度优先搜索策略
- 2.2.2 深度优先搜索策略
- 2.3 启发式搜索策略
- 2.3.1 有序搜索算法(A 算法)
- 2.3.2 A*算法
- 2.4 编程实践
- 2.4.1 八数码难题
- 2.4.2 自动驾驶运动规划
- 第3 章 搜索的不错策略
- 3.1 群智能优化算法
- 3.1.1 蚁群算法
- 3.1.2 粒子群优化算法
- 3.2 动态规划
- 3.3.1 蚁群算法求解路径优化问题
- 3.3.2 动态规划求解钢条切割效益优选化问题
- 第4 章 概念学习和决策树
- 4.1 概念学习
- 4.1.1 什么是概念学习
- 4.1.2 寻找极大特殊假设算法
- 4.1.3 候选消除算法
- 4.2 决策树学习
- 4.2.1 划分属性准则
- 4.2.2 决策树的生成
- 4.3 归纳学习假设
- 4.4 编程实践
- 4.4.1 寻找极大特殊假设算法解决概念学习
- 4.4.2 候选消除算法解决概念学习问题
- 4.4.3 使用决策树对贷款申请样本进行决策
- 4.4.4 使用决策树对鸢尾花数据集进行分类
- 第5 章 线性回归和分类
- 5.1 线性回归
- 5.1.1 线性模型
- 5.1.2 多项式回归
- 5.1.3 正则化方法
- 5.2 线性分类
- 5.3 编程实践
- 5.3.1 使用线性回归预测波士顿房价
- 5.3.2 使用逻辑回归分类仿真数据