人工智能算法大全：基于MATLAB

本书的编程语言以MATLAB为主，分别从学习方式和理论知识两个方面来对机器学习（实现人工智能的方法）的算法进行分类介绍。通过阅读本书，读者可以对人工智能的子集——机器学习形成一个系统、全面、完整的认识，并且在今后的研究工作中逐步拓展，最终形成自己的体系。全书共6篇，分别为特征处理算法、分类和聚类算法、神经网络算法、优化算法、基于不同数学思想的算法以及集成算法，每一篇都对该类别中常见算法的思想、流程、核心知识和优缺点等内容进行了详细介绍，并通过实际的案例分析和代码展示，对算法的具体应用进行了完整解析。本书适用的读者对象包括金融机构的量化投资经理、科研工作者、互联网企业的算法工程师、大中专院校相关专业师生，以及其他对实现人工智能的机器学习技术感兴趣的读者。

这是一本系统、全面、完整地介绍机器学习算法的著作。全书以MATLAB为编程语言，分别从学习方式和理论知识两个方面对机器学习的算法进行分类介绍。通过阅读本书，读者可以对人工智能的子集——机器学习形成一个系统、全面、完整的认识，并且在今后的研究工作中逐步拓展，最终形成自己的体系。 全书共6篇，分别为特征处理算法、分类和聚类算法、神经网络算法、优化算法、基于不同数学思想的算法以及集成算法。每一篇都对该类别中常见算法的思想、流程、核心知识和优缺点等内容进行了详细介绍，并通过实际的案例分析和代码展示，对算法的具体应用进行了完整解析。 书中详细讲解了特征工程重要性，并详细介绍了ReliefF算法理论，数据离散化原理，K-Means算法原理，高斯混合聚类算法概述，ISODATA算法概述，LSTM长短期记忆网络算法原理，网格寻优算法的基本思想，模拟退火算法的基本原理，EMD经验模态分解算法概述，粗糙集理论概述，核函数方法概述，SVM算法概述，集成学习的核心和基学习器的选择，Bagging算法简介等。 书中通过实证比较，展示了这些算法在降维效果和回归效果上的差异。例如，使用slice数据和红酒等级