目 录

第一章引言.1

一、机器学习流程 

3

1. 数据收集

3

2. 特征设计

4

3. 模型训练

5

4. 模型测试

6

二、深入解析机器学习流程 .

7

1. 再谈数据收集

8

2. 再谈特征设计

8

3. 再谈模型训练.10

4. 再谈模型测试.12

三、机器学习分类体系 .13

四、习题 .20

原书参考文献 22

第二章医学数据的数学编码.25

一、数值型数据 .25

二、分类型数据 .28

三、影像数据 29

四、时间序列数据 33

五、文本数据 37

六、基因组数据 .40

七、习题 .42

Yxjzw1-4.indd 17 

2026/10/12 14:13:19 

第三章基本函数与运算46

一、数学函数的不同表示形式 .46

二、基本函数 53

1. 多项式函数53

2. 倒数函数54

3. 三角函数与双曲函数.54

4. 指数函数56

5. 对数函数57

6. 阶跃函数58

三、基本运算 59

1. 函数的基本调整60

2. 函数的加减与乘法运算60

3. 函数复合61

4. 最大-最小运算.63

四、利用基本函数和运算构建复杂函数 63

五、习题 .65

第四章线性回归67

一、一维输入的线性回归 67

二、最小二乘损失函数 .69

三、多维输入的线性回归 72

四、输入归一化 .77

五、正则化 79

六、习题 .82

原书参考文献 85

第五章线性分类86

一、一维输入的线性分类 86

二、Logistic 函数 88

18 

Yxjzw1-4.indd 18 

2026/10/12 14:13:19 

三、交叉熵损失函数 91

四、梯度下降算法 93

五、多维输入的线性分类 98

六、多类别线性分类 103

七、习题 106

原书参考文献 107

第六章从特征工程到深度学习.108

一、非线性回归的特征工程 108

二、非线性分类的特征工程 112

三、特征学习 114

四、多层神经网络 .118

五、神经网络的优化 120

六、神经网络的架构设计 .121

七、习题 124

原书参考文献 126

第七章卷积神经网络与循环神经网络.127

一、卷积运算 129

二、卷积神经网络 .137

三、递推关系 145

四、循环神经网络 .151

五、习题 155

原书参考文献 158

第八章强化学习.160

一、强化学习的应用场景 .160

1. 路径规划AI 160

2. 自动控制.162

3. 游戏AI .163

19 

Yxjzw1-4.indd 19 

2026/10/12 14:13:19 

4. 机器人自主手术.163

5. 放射治疗的自动规划164

二、核心概念 164

1. 网格世界中的状态、动作与奖励166

2. 小车倒立摆问题中的状态、动作与奖励166

3. 国际象棋中的状态、动作与奖励167

4. 放射治疗规划中的状态、动作与奖励.167

三、数学符号 167

四、贝尔曼方程 169

五、基础Q 学习算法170

1. Q 学习的测试阶段 173

2. Q 学习的参数调优 176

六、Q 学习的优化改进176

1. 探索与利用的权衡177

2. 短期奖励与长期奖励的权衡178

七、处理大规模状态空间问题 180

八、习题 182

原书参考文献 183

原书术语中英文对照（以英文字母为序）.184