本書聚焦食品科學(xué)技術(shù)未來發(fā)展需求，將機(jī)器學(xué)習(xí)算法與食品科學(xué)技術(shù)緊密融合。以Python作為主要編程語(yǔ)言，依托NumPy、Matplotlib和Pandas等數(shù)據(jù)庫(kù)，詳細(xì)介紹卷積神經(jīng)網(wǎng)絡(luò)、樸素貝葉斯、人工神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林、決策樹、線性回歸、K最近鄰等核心算法。同時(shí)，以茶葉、水產(chǎn)品、食用菌、咖啡、掛面、魔芋葡甘聚糖水凝膠、預(yù)制菜等多個(gè)食品創(chuàng)新產(chǎn)業(yè)為例，全面系統(tǒng)地介紹了機(jī)器學(xué)習(xí)算法在食品科學(xué)領(lǐng)域的應(yīng)用進(jìn)展，為機(jī)器學(xué)習(xí)算法在食品科學(xué)研究領(lǐng)域的進(jìn)一步發(fā)展提供了理論依據(jù)和技術(shù)支撐。
目錄
第1章 緒論1
1.1 機(jī)器學(xué)習(xí)簡(jiǎn)史1
1.2 機(jī)器學(xué)習(xí)的應(yīng)用4
1.3 機(jī)器學(xué)習(xí)算法的實(shí)現(xiàn)6
1.4 食品科學(xué)9
參考文獻(xiàn)15
第2章 機(jī)器學(xué)習(xí)算法17
2.1 機(jī)器學(xué)習(xí)算法簡(jiǎn)介17
2.2 機(jī)器學(xué)習(xí)算法分類21
2.3 經(jīng)典算法模型26
參考文獻(xiàn)31
第3章 NumPy數(shù)據(jù)分析基礎(chǔ)33
3.1 NumPy特點(diǎn)33
3.2 NumPy組成37
3.3 NumPy數(shù)據(jù)函數(shù)應(yīng)用39
參考文獻(xiàn)49
第4章 Matplotlib數(shù)據(jù)可視化基礎(chǔ)50
4.1 Matplotlib特點(diǎn)51
4.2 Matplotlib組成53
4.3 Matplotlib應(yīng)用58
參考文獻(xiàn)72
第5章 Pandas數(shù)據(jù)處理與分析73
5.1 Pandas特點(diǎn)73
5.2 Pandas組成79
5.3 Pandas應(yīng)用81
參考文獻(xiàn)88
第6章 卷積神經(jīng)網(wǎng)絡(luò)算法模型在茶葉生產(chǎn)加工及風(fēng)味品質(zhì)預(yù)測(cè)中的應(yīng)用89
6.1 茶葉概述89
6.2 花果茶90
6.3 茉莉花茶94
6.4 卷積神經(jīng)網(wǎng)絡(luò)算法模型在花果茶生產(chǎn)加工中的應(yīng)用100
6.5 卷積神經(jīng)網(wǎng)絡(luò)算法模型在茉莉花茶物理預(yù)測(cè)上的應(yīng)用102
6.6 卷積神經(jīng)網(wǎng)絡(luò)算法模型在茉莉花茶化學(xué)指標(biāo)預(yù)測(cè)上的應(yīng)用106
6.7 卷積神經(jīng)網(wǎng)絡(luò)算法模型在茉莉花茶微生物指標(biāo)預(yù)測(cè)上的應(yīng)用110
參考文獻(xiàn)112
第7章 樸素貝葉斯算法模型在水產(chǎn)品中的應(yīng)用115
7.1 水產(chǎn)品的特點(diǎn)115
7.2 水產(chǎn)品的分類117
7.3 樸素貝葉斯算法模型的質(zhì)譜離子化效率預(yù)測(cè)模型120
參考文獻(xiàn)128
第8章 人工神經(jīng)網(wǎng)絡(luò)算法模型在食用菌中的應(yīng)用130
8.1 食用菌的特點(diǎn)130
8.2 食用菌的分類135
8.3 人工神經(jīng)網(wǎng)絡(luò)算法模型在靈芝中的應(yīng)用136
參考文獻(xiàn)139
第9章 隨機(jī)森林算法模型在咖啡加工處理中的應(yīng)用140
9.1 咖啡的分類140
9.2 影響咖啡的因素142
9.3 基于隨機(jī)森林算法模型的質(zhì)譜離子化效率預(yù)測(cè)模型147
參考文獻(xiàn)151
第10章 決策樹算法模型在掛面中的應(yīng)用153
10.1 掛面檢測(cè)153
10.2 決策樹156
參考文獻(xiàn)159
第11章 線性回歸算法在魔芋葡甘聚糖水凝膠中的應(yīng)用160
11.1 魔芋葡甘聚糖水凝膠增強(qiáng)機(jī)理160
11.2 基于魔芋葡甘聚糖水凝膠的導(dǎo)電水凝膠實(shí)現(xiàn)方法164
11.3 線性回歸算法166
參考文獻(xiàn)169
第12章 K最近鄰算法在預(yù)制菜中的應(yīng)用170
12.1 預(yù)制菜產(chǎn)業(yè)概述170
12.2 K最近鄰算法在預(yù)制菜產(chǎn)業(yè)發(fā)展中的應(yīng)用176
參考文獻(xiàn)180
新書資訊