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數據挖掘與機器學習(雙色印刷普通高等教育人工智慧專業系列教材)

  • 作者：編者:劉錦//李洪東//李敏|責編:郝建偉//李樂
  • 出版社：機械工業
  • ISBN：9787111790662
  • 出版日期：2025/10/01
  • 裝幀：平裝
  • 頁數：297
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書從實踐應用的角度出發，系統介紹了利用Python進行數據挖掘與機器學習所需的基礎知識。內容涵蓋數據挖掘的基本概念、機器學習的主要演算法、Python編程語言基礎、數據處理與可視化技術；深入解析了Python在數據挖掘與機器學習領域的核心庫和框架，並通過具體實例展示了如何利用這些工具進行數據挖掘、模型訓練與預測分析；同時，還介紹了機器學習模型的評估與優化方法，以及模型的實際應用場景。書中大部分章節配有習題與案例分析，旨在幫助讀者深入理解並熟練掌握Python數據挖掘與機器學習的關鍵技能。
    本書既可作為高等院校電腦、軟體、大數據、人工智慧等相關專業的教材，也可作為數據分析師、機器學習工程師等專業人士的技術參考書。
作者介紹
編者:劉錦//李洪東//李敏|責編:郝建偉//李樂
目錄
前言
緒論
第一部分  基礎篇
  第1章  Python基礎
    1.1  Python運行環境配置
      1.1.1  安裝Python
      1.1.2  安裝Anaconda
      1.1.3  PyTorch的安裝
      1.1.4  編程IDE的安裝
    1.2  Python基礎語法
      1.2.1  標識符、關鍵字與變數操作
      1.2.2  數據結構與類型
      1.2.3  運算符
      1.2.4  控制結構
      1.2.5  函數
      1.2.6  文件操作
    1.3  Python常用庫
      1.3.1  NumPy
      1.3.2  Pandas
      1.3.3  Matplotlib
      1.3.4  Scikit-Learn
    1.4  小結與習題
  第2章  數學基礎
    2.1  線性代數
      2.1.1  向量與矩陣
      2.1.2  矩陣運算
    2.2  概率論
      2.2.1  概率分佈
      2.2.2  條件概率分佈
    2.3  微積分
      2.3.1  微分
      2.3.2  積分
    2.4  小結與習題
第二部分  演算法篇
  第3章  分類
    3.1  引例：圖像分類
      3.1.1  CIFAR-10數據集
      3.1.2  ResNet分類
    3.2  支持向量機
      3.2.1  超平面
      3.2.2  最大間隔
      3.2.3  基本型的對偶問題
      3.2.4  核函數
    3.3  卷積神經網路
      3.3.1  LeNet
      3.3.2  AlexNet
      3.3.3  VGG
      3.3.4  ResNet
    3.4  Transformer
      3.4.1  Vision Transformer

      3.4.2  注意力機制
    3.5  小結與習題
  第4章  回歸
    4.1  引例：房價預測
      4.1.1  加州房價數據集
      4.1.2  嶺回歸預測
    4.2  線性回歸
      4.2.1  最小二乘法
      4.2.2  多元回歸
    4.3  正則化回歸
      4.3.1  嶺回歸
      4.3.2  LASSO回歸
      4.3.3  彈性網回歸
    4.4  時序回歸
      4.4.1  自回歸模型
      4.4.2  循環神經網路
      4.4.3  長短期記憶網路
      4.4.4  門控循環單元
    4.5  小結與習題
  第5章  聚類
    5.1  引例：鳶尾花的聚類分析
      5.1.1  鳶尾花數據集
      5.1.2  使用K均值聚類演算法進行聚類
    5.2  K均值聚類
      5.2.1  K均值的基本步驟
      5.2.2  K均值的改進演算法
    5.3  層次聚類
      5.3.1  層次聚類的基本步驟
      5.3.2  層次聚類的改進演算法
    5.4  圖聚類
      5.4.1  圖聚類基礎模型
      5.4.2  譜聚類與Louvain演算法
    5.5  小結與習題
  第6章  關聯分析
    6.1  引例：購物籃關聯分析
      6.1.1  線上商城交易數據
      6.1.2  頻繁項集和關聯規則
      6.1.3  Apriori演算法挖掘頻繁項集
      6.1.4  結果分析
    6.2  Apriori演算法
      6.2.1  Apriori性質
      6.2.2  頻繁項集的發現
      6.2.3  頻繁項集到關聯規則
    6.3  FP-Growth演算法
      6.3.1  原理概述
      6.3.2  頻繁模式樹的構建
      6.3.3  頻繁模式樹的挖掘
      6.3.4  Apriori演算法和FP-Growth演算法的優缺點
    6.4  頻繁子圖挖掘與類Apriori演算法
      6.4.1  頻繁子圖

      6.4.2  候選生成
      6.4.3  候選剪枝
      6.4.4  候選刪除
    6.5  模式增長類演算法——GSpan演算法
      6.5.1  深度優先搜索和深度優先搜索樹
      6.5.2  DFS編碼和最小DFS編碼
      6.5.3  最右路徑擴展
      6.5.4  GSpan演算法原理解析
    6.6  小結與習題
  第7章  異常檢測
    7.1  引例：伺服器異常用戶操作檢測
      7.1.1  Masquerade Data數據集
      7.1.2  特徵提取
      7.1.3  模型訓練
      7.1.4  模型表現評估與K值選擇
    7.2  近鄰法
      7.2.1  K近鄰演算法
      7.2.2  KNN演算法改進
    7.3  密度法
      7.3.1  局部異常因子演算法
      7.3.2  密度法進階
    7.4  自編碼器
      7.4.1  編碼器與解碼器
      7.4.2  自編碼器擴展
    7.5  小結與習題
第三部分  實踐篇
  第8章  案例-皮膚病診斷
    8.1  皮膚病數據集ISIC2018
      8.1.1  ISIC2018分類任務數據集
      8.1.2  ISIC2018分割任務數據集
    8.2  皮膚病變分類
      8.2.1  ResNet18模型分類
      8.2.2  皮膚病分類結果
    8.3  黑色素瘤病灶分割
      8.3.1  UNet模型
      8.3.2  Dice損失函數
      8.3.3  病灶分割結果
    8.4  小結
  第9章  案例-股價預測
    9.1  A股股票數據集
      9.1.1  上證指數基本盤數據
      9.1.2  Top5股票基本盤數據
    9.2  A股股票收益率預測
      9.2.1  LSTM模型預測
      9.2.2  股價預測結果
    9.3  A股股票模擬選股
      9.3.1  LSTM模型預測
      9.3.2  Top5股票預測結果
      9.3.3  Top5股票實際收益計算
    9.4  小結

  第10章  案例-單細胞轉錄組學
    10.1  單細胞數據集
      10.1.1  單細胞聚類數據集
      10.1.2  單細胞軌跡分析數據集
    10.2  單細胞聚類
      10.2.1  數據導入和預處理
      10.2.2  實現單細胞聚類
      10.2.3  聚類結果分析
    10.3  單細胞軌跡分析
      10.3.1  數據預處理
      10.3.2  細胞群體劃分與關係分析
      10.3.3  細胞軌跡分析
    10.4  小結
  第11章  案例-商品共現分析與個性化推薦
    11.1  商品共現分析
      11.1.1  任務介紹與數據集準備
      11.1.2  FP-Growth演算法實現商品共現分析
      11.1.3  結果分析
    11.2  電商平台的個性化推薦
      11.2.1  基於圖神經網路進行個性化推薦
      11.2.2  數據處理
      11.2.3  用戶-商品鄰接矩陣的構建
      11.2.4  NGCF模型實現
      11.2.5  模型訓練與測試
      11.2.6  結果分析
    11.3  小結
  第12章  案例-農作物損害檢測與成因分析
    12.1  基於卷積模型的番茄葉片病害識別
      12.1.1  PlantVillage數據集
      12.1.2  基於病害數據的卷積模型構建與訓練
      12.1.3  番茄葉片病害識別準確率與模型損失
    12.2  農作物異常成因分析
      12.2.1  Machine Learning in Agriculture數據集
      12.2.2  基於農作物環境數據的自編碼器模型構建與訓練
      12.2.3  作物損害成因分析
    12.3  小結
附錄  符號表
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