第1章 緒論 1 1.1 機器學(xué)習(xí)概述 1 1.1.1 機器學(xué)習(xí)的概念 1 1.1.2 機器學(xué)習(xí)的類型 2 1.1.3 機器學(xué)習(xí)的流程 3 1.1.4 機器學(xué)習(xí)算法分類 5 1.1.5 機器學(xué)習(xí)工具—— sklearn 5 1.2 智能網(wǎng)絡(luò)優(yōu)化 10 1.2.1 無線網(wǎng)絡(luò)優(yōu)化 10 1.2.2 機器學(xué)習(xí)在無線網(wǎng)絡(luò)優(yōu)化中的應(yīng)用 14 1.2.3 智能網(wǎng)絡(luò)優(yōu)化平臺 15 1.3 本章小結(jié) 17 第2章 監(jiān)督學(xué)習(xí) 18 2.1 線性回歸 18 2.2 邏輯斯諦回歸 22 2.3 決策樹 24 2.4 集成學(xué)習(xí) 30 2.5 樸素貝葉斯 36 2.6 K最鄰近算法 41 2.7 模型評估和選擇 44 2.7.1 訓(xùn)練誤差與過擬合 44 2.7.2 評估方法 45 2.7.3 性能度量 46 2.7.4 模型選擇 47 2.8 模型調(diào)參 47 2.9 本章小結(jié) 51 第3章 無監(jiān)督學(xué)習(xí) 53 3.1 聚類的基本概念 53 3.1.1 聚類的定義 53 3.1.2 聚類和分類的區(qū)別 53 3.1.3 聚類算法的類別 54 3.2 K均值聚類算法 55 3.3 層次聚類算法 58 3.4 離群點檢測 61 3.5 本章小結(jié) 64 第4章 特征選擇與提取 65 4.1 特征選擇 65 4.1.1 過濾法 66 4.1.2 包裝法 67 4.1.3 嵌入法 68 4.2 特征提取與降維 68 4.2.1 特征提取與降維的概念 69 4.2.2 特征提取與降維的常用方法 69 4.2.3 PCA 70 4.3 本章小結(jié) 73 第5章 基于機器學(xué)習(xí)的速率提升專題分析 74 5.1 速率提升實驗背景 74 5.2 特征選擇與提取 76 5.3 模型訓(xùn)練和評估 79 5.4 問題分析及優(yōu)化方案設(shè)計 81 5.5 本章小結(jié) 85 第6章 深度學(xué)習(xí) 86 6.1 深度神經(jīng)網(wǎng)絡(luò) 86 6.2 卷積神經(jīng)網(wǎng)絡(luò) 97 6.2.1 從神經(jīng)網(wǎng)絡(luò)到深度學(xué)習(xí) 97 6.2.2 卷積神經(jīng)網(wǎng)絡(luò) 98 6.2.3 卷積神經(jīng)網(wǎng)絡(luò)的實例LeNet-5 105 6.3 循環(huán)神經(jīng)網(wǎng)絡(luò) 107 6.4 Transformer模型 110 6.5 深度學(xué)習(xí)框架 125 6.5.1 PyTorch簡介 126 6.5.2 PyTorch構(gòu)建神經(jīng)網(wǎng)絡(luò) 127 6.5.3 PyTorch GPU加速 130 6.5.4 PyTorch實戰(zhàn)案例 131 6.6 本章小結(jié) 135 第7章 模型部署和加速技術(shù) 136 7.1 模型部署 136 7.2 模型加速技術(shù) 139 7.2.1 模型量化 140 7.2.2 知識蒸餾 146 7.2.3 模型剪枝 152 7.3 本章小結(jié) 160 第8章 基于深度學(xué)習(xí)的接入優(yōu)化專題分析 162 8.1 接入優(yōu)化實驗背景 162 8.2 特征選擇與提取 164 8.3 模型訓(xùn)練和評估 165 8.4 問題分析及優(yōu)化方案設(shè)計 167 8.5 本章小結(jié) 171 第9章 群體智能 172 9.1 群體智能概述 172 9.1.1 群體智能產(chǎn)生的背景 172 9.1.2 群體智能算法的優(yōu)缺點和應(yīng)用場景 173 9.2 遺傳算法 173 9.2.1 遺傳算法的基本思想 174 9.2.2 遺傳算法的原理 175 9.3 蟻群算法 182 9.3.1 螞蟻覓食習(xí)性 182 9.3.2 蟻群算法的介紹 182 9.3.3 蟻群算法的參數(shù)選擇 184 9.4 粒子群算法 185 9.4.1 粒子群算法簡介 185 9.4.2 粒子群算法的基本原理 186 9.4.3 粒子群算法的參數(shù)分析 187 9.5 本章小結(jié) 188 第10章 5G網(wǎng)絡(luò)智能節(jié)能實踐 190 10.1 5G網(wǎng)絡(luò)智能節(jié)能概述 190 10.2 基站節(jié)能策略 191 10.3 基于群體智能的基站智能節(jié)能業(yè)務(wù) 192 10.4 本章小結(jié) 195