人工智能基礎(chǔ)理論與能源礦業(yè)領(lǐng)域的應用
本書從人工智能基礎(chǔ)理論出發(fā)，介紹機器學習算法和相關(guān)數(shù)學模型，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)的應用，涵蓋深部儲層精細刻畫、智能監(jiān)測、施工優(yōu)化、安全預警等領(lǐng)域。本書可作為高校教學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、力學等工程領(lǐng)域。
更多科學出版社服務，請掃碼獲取。
目錄：
第一章 機器學習基礎(chǔ)
第一節(jié) 引言
1.1.1 機器學習類別
1.1.2 機器學習庫
1.1.3 機器學習工作流
第二節(jié) 數(shù)據(jù)預處理
1.2.1 數(shù)據(jù)分割：訓練、驗證和測試數(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)督學習
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
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)督學習
1.4.1 聚類
1.4.2 降維
第五節(jié) 半監(jiān)督學習
1.5.1自訓練
1.5.2協(xié)同訓練
1.5.3 半監(jiān)督聚類
1.5.4 生成式半監(jiān)督學習
第六節(jié) 強化學習
1.6.1 模型自適應強化學習
1.6.2 模仿學習
第七節(jié) 模型評估
1.7.1交叉驗證
1.7.2評估指標
1.7.3二分類指標
1.7.4回歸指標
習題
書單推薦
