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機器學習基礎(信息技術人才培養系列教材)

  • 作者：編者:王魯昆|責編:張斌
  • 出版社：人民郵電
  • ISBN：9787115562173
  • 出版日期：2023/04/01
  • 裝幀：平裝
  • 頁數：192
人民幣：RMB 49.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    Python是當前流行的編程語言，簡單易學、應用廣泛。本書以Python為基礎開發語言，全面系統地講解了機器學習的相關知識。本書共9章，主要包括機器學習的基本概念，Python及其庫的入門，機器學習中常用演算法的理論介紹、項目實現和優缺點分析，數據預處理，特徵工程，模型評估及改進，綜合實戰等。
    本書可作為本科院校和職業院校電腦相關專業的教材，還可作為社會培訓機構的教材，也適合電腦愛好者自學使用。
作者介紹
編者:王魯昆|責編:張斌
目錄
第1章  概述
  1.1  什麼是機器學習
  1.2  機器學習的演算法
  1.3  監督學習
  1.4  無監督學習
  1.5  數據集
  1.6  機器學習項目的流程
  1.7  小結
  習題1
第2章  Python入門
  2.1  Python語言介紹
  2.2  Python平台搭建
  2.3  Python的基本概念
    2.3.1  數據類型
    2.3.2  基本運算
    2.3.3  控制語句
    2.3.4  複雜數據類型
    2.3.5  函數
  2.4  Python庫的使用
  2.5  小結
  習題2
第3章  分類演算法
  3.1  K近鄰演算法
    3.1.1  演算法介紹
    3.1.2  演算法應用
    3.1.3  演算法的優缺點
  3.2  樸素貝葉斯演算法
    3.2.1  演算法介紹
    3.2.2  演算法實現
    3.2.3  演算法的優缺點
  3.3  邏輯回歸
    3.3.1  演算法介紹
    3.3.2  演算法實現
    3.3.3  演算法的優缺點
  3.4  支持向量機
    3.4.1  演算法介紹
    3.4.2  演算法實現
    3.4.3  演算法的優缺點
  3.5  決策樹
    3.5.1  演算法介紹
    3.5.2  演算法實現
    3.5.3  演算法的優缺點
  3.6  隨機森林
    3.6.1  演算法介紹
    3.6.2  演算法實現
    3.6.3  演算法的優缺點
  3.7  人工神經網路
    3.7.1  演算法介紹
    3.7.2  項目實現
    3.7.3  演算法的優缺點

  3.8  分類器的不確定性
    3.8.1  決策函數
    3.8.2  預測函數
    3.8.3  多分類的不確定性
  3.9  小結
  習題3
第4章  回歸演算法
  4.1  線性回歸
    4.1.1  線性模型
    4.1.2  線性回歸
    4.1.3  多項式回歸
    4.1.4  演算法的優缺點
  4.2  嶺回歸
    4.2.1  演算法介紹
    4.2.2  演算法實現
    4.2.3  演算法的優缺點
  4.3  LASSO回歸
    4.3.1  演算法介紹
    4.3.2  演算法實現
    4.3.3  演算法的優缺點
  4.4  支持向量回歸機
    4.4.1  演算法介紹
    4.4.2  演算法實現
    4.4.3  演算法的優缺點
  4.5  回歸樹
    4.5.1  演算法介紹
    4.5.2  演算法實現
    4.5.3  演算法優缺點
  4.6  小結
  習題4
第5章  聚類演算法
  5.1  K均值凝聚聚類
    5.1.1  演算法介紹
    5.1.2  演算法實現
    5.1.3  演算法的優缺點
  5.2  層次聚類
    5.2.1  演算法介紹
    5.2.2  演算法實現
    5.2.3  演算法的優缺點
  5.3  DBSCAN演算法
    5.3.1  演算法介紹
    5.3.2  演算法實現
    5.3.3  演算法的優缺點
  5.4  MeanShift
    5.4.1  演算法介紹
    5.4.2  演算法實現
    5.4.3  演算法的優缺點
  5.5  標籤傳播
    5.5.1  演算法介紹
    5.5.2  演算法實現

    5.5.3  演算法的優缺點
  5.6  小結
  習題5
第6章  數據預處理
  6.1  數據清洗
    6.1.1  缺失值處理
    6.1.2  異常值處理
  6.2  數據變換
    6.2.1  無量綱化
    6.2.2  歸一化
    6.2.3  離散化
    6.2.4  對分類特徵進行編碼
    6.2.5  多項式特徵
  6.3  數據歸約
  6.4  小結
  習題6
第7章  特徵工程
  7.1  特徵提取
    7.1.1  字典特徵提取
    7.1.2  文本特徵提取
    7.1.3  圖像特徵提取
  7.2  特徵選擇
    7.2.1  Filter
    7.2.2  Wrapper
    7.2.3  Embedded
  7.3  降維
  7.4  小結
  習題7
第8章  模型評估及改進
  8.1  交叉驗證
    8.1.1  K折交叉驗證
    8.1.2  分層K折交叉驗證
    8.1.3  留一交叉驗證和打亂劃分交叉驗證
  8.2  網格搜索
  8.3  評估指標
    8.3.1  分類評估指標
    8.3.2  回歸評估指標
  8.4  小結
  習題8
第9章  綜合實戰
  9.1  管道模型
  9.2  文本數據處理
    9.2.1  擴展與深化——不同方式的文本數據處理
    9.2.2  文本數據的優化處理
  9.3  泰坦尼克號數據分析
  9.4  小結
  習題9
參考文獻

  • 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