幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

Python機器學習入門--機器學習演算法的理論與實踐

  • 作者：(日)大曾根圭輔//關喜史//米田武|責編:任鑫//楊瓊|譯者:賈哲朴
  • 出版社：機械工業
  • ISBN：9787111696650
  • 出版日期：2022/02/01
  • 裝幀：平裝
  • 頁數：188
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書全面細緻地講解了機器學習的基礎知識及其應用，具體內容包括機器學習中必要的環境搭建和Python的基礎知識、有監督學習和無監督學習的理論及其實際應用案例、有監督學習和無監督學習的機器學習模式，並以理論結合公式的方式講解了Python代碼的編寫方法，以及數據的採集、處理和實際操作中機器學習的模式。
    本書適合人工智慧、機器學習方向的學生和技術人員學習、使用，也適合廣大人工智慧愛好者閱讀。
作者介紹
(日)大曾根圭輔//關喜史//米田武|責編:任鑫//楊瓊|譯者:賈哲朴
目錄
譯者的話
原書前言
第1章  閱讀本書前的準備
  1.1  Python的安裝
    1.1.1  何為Python
    1.1.2  Homebrew的安裝
    1.1.3  Python3的安裝
    1.1.4  虛擬環境的創建
    1.1.5  為何使用venv（為何不用pyenv、anaconda）
  1.2  Python的使用方法
    1.2.1  輸出Hello World！
    1.2.2  IPython的使用
    1.2.3  四則運算
    1.2.4  字元串的使用
    1.2.5  列表類型的使用
    1.2.6  字典類型的使用
    1.2.7  其他數據類型
    1.2.8  條件分支
    1.2.9  循環
    1.2.10  函數的使用
    1.2.11  類的使用
    1.2.12  標準庫的使用
  1.3  Jupyter Notebook的安裝和使用
    1.3.1  Jupyter Notebook的安裝和啟動
    1.3.2  Jupyter Notebook的使用
  1.4  NumPy、scikit-learn、matplotlib、Pandas的使用
    1.4.1  NumPy的安裝和使用
    1.4.2  scikit-learn的安裝和使用
    1.4.3  matplotlib的安裝和使用
    1.4.4  Pandas的安裝和使用
第2章  機器學習在實際中的使用
  2.1  在工作中運用機器學習
    2.1.1  關於機器學習
    2.1.2  輸入輸出的格式化
    2.1.3  分析任務的本質
    2.1.4  實際問題的分析案例
  2.2  用樣本數據嘗試有監督學習
    2.2.1  嘗試分類的案例
    2.2.2  運用決策樹分類
    2.2.3  嘗試解決實際問題
    2.2.4  解決實際問題的注意要點
  2.3  用樣本數據嘗試無監督學習
    2.3.1  無監督學習
    2.3.2  使用樣本嘗試scikit-learn
  2.4  小結
第3章  機器學習基礎理論
  3.1  數學知識的準備
    3.1.1  本節的學習流程
    3.1.2  為什麼數學是必要的
    3.1.3  集合和函數基礎

    3.1.4  線性代數基礎
    3.1.5  微分基礎
    3.1.6  概率統計基礎
  3.2  機器學習的基礎
    3.2.1  機器學習的目的
    3.2.2  技術性的假設和用語
    3.2.3  有監督學習概述
    3.2.4  從泛化誤差看有監督學習
    3.2.5  無監督學習概述
  3.3  有監督學習
    3.3.1  分類模型的精度評價
    3.3.2  邏輯回歸
    3.3.3  神經網路
    3.3.4  梯度提升決策樹
  3.4  無監督學習
    3.4.1  混合高斯模型
    3.4.2  k-均值
    3.4.3  層次聚類
    3.4.4  核密度估計
    3.4.5  t-SNE
第4章  數據的整合與處理
  4.1  機器學習中數據的使用流程
  4.2  數據的獲取和整合
    4.2.1  數據結構的理解
    4.2.2  從結構化數據中讀取數據
    4.2.3  讀取數據
    4.2.4  分組聚合
    4.2.5  時間格式的操作方法
    4.2.6  合併
  4.3  數據的格式化
    4.3.1  數據種類的理解
    4.3.2  標準化
    4.3.3  預設值
  4.4  非結構化數據的處理
    4.4.1  文本數據的預處理
    4.4.2  終端中MeCab的應用
    4.4.3  Python中MeCab的應用
    4.4.4  圖片數據的處理
  4.5  不平衡數據的處理
    4.5.1  分類問題中的不平衡數據
    4.5.2  數據不平衡問題
    4.5.3  一般的處理方法
    4.5.4  樣本權重的調整
    4.5.5  降採樣法

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032