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

機器學習Python實戰(微課版第2版名校名師精品系列教材十四五職業教育國家規劃教材)

  • 作者：編者:張松慧//陳丹|責編:劉尉
  • 出版社：人民郵電
  • ISBN：9787115702371
  • 出版日期：2026/09/01
  • 裝幀：平裝
  • 頁數：200
人民幣：RMB 52 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書基於Python的機器學習庫scikit-learn，系統講解機器學習核心演算法及其應用，內容涵蓋機器學習認知、數據預處理、KNN演算法、線性回歸演算法、邏輯回歸演算法、樸素貝葉斯演算法、決策樹與隨機森林演算法、支持向量機、k均值聚類演算法、神經網路、模型評估與優化等重要主題。
    本書以項目式教學為主線，語言表達通俗易懂，輔以豐富的圖表和大量實戰案例，對各類機器學習演算法進行直觀、生動的剖析，幫助讀者通過實踐快速掌握機器學習關鍵技術。本書注重深入淺出地講解演算法原理，所選案例典型、實用，並提供微課視頻、電子課件、案例代碼、習題庫及參考答案等豐富的課程資源。
    本書既可作為高等院校人工智慧、數據科學與大數據技術及相關專業的教材，也可作為人工智慧領域的技術人員和研究工作者的參考書。
作者介紹
編者:張松慧//陳丹|責編:劉尉
目錄
項目1  機器學習基礎與開發環境搭建
  項目背景
  學習目標
  1.1  項目知識準備
    1.1.1  什麼是機器學習
    1.1.2  機器學習的應用場景
    1.1.3  機器學習的流程
    1.1.4  機器學習的分類
    1.1.5  過擬合和欠擬合
    1.1.6  衡量機器學習模型的指標
  1.2  項目實訓
    1.2.1  任務1：搭建機器學習開發環境——Anaconda
    1.2.2  任務2：Jupyter Notebook的使用操作
    1.2.3  任務3：NumPy庫的基本用法
    1.2.4  任務4：pandas庫的基本用法
    1.2.5  任務5：Matplotlib庫的基本用法
  1.3  項目拓展——查看機器學習常用數據集
  1.4  項目小結
  1.5  習題
項目2  數據預處理實戰
  項目背景
  學習目標
  2.1  項目知識準備
    2.1.1  數據處理
    2.1.2  數據降維
    2.1.3  數據集拆分
  2.2  項目實訓
    2.2.1  任務1：數據標準化處理
    2.2.2  任務2：數據離差標準化處理
    2.2.3  任務3：數據二值化處理
    2.2.4  任務4：數據歸一化處理
    2.2.5  任務5：獨熱編碼處理
    2.2.6  任務6：數據降維處理
  2.3  項目拓展——wine數據集拆分、標準化和降維處理
  2.4  項目小結
  2.5  習題
項目3  KNN演算法實戰
  項目背景
  學習目標
  3.1  項目知識準備
    3.1.1  KNN演算法的原理
    3.1.2  KNN演算法的流程
    3.1.3  KNN演算法的關鍵
    3.1.4  KNN演算法詳解
  3.2  項目實訓
    3.2.1  任務1：基於KNN演算法的分類任務
    3.2.2  任務2：KNN演算法應用——酒的分類
    3.2.3  任務3：KNN演算法應用——輔助診斷乳腺腫瘤
  3.3  項目拓展——KNN回歸預測
  3.4  項目小結

  3.5  習題
項目4  線性回歸預測模型構建
  項目背景
  學習目標
  4.1  項目知識準備
    4.1.1  什麼是線性回歸
    4.1.2  損失函數
    4.1.3  嶺回歸模型
    4.1.4  套索回歸模型
  4.2  項目實訓
    4.2.1  任務1：線性回歸模型的應用——數據擬合
    4.2.2  任務2：線性回歸模型的應用——加利福尼亞房價預測
    4.2.3  任務3：嶺回歸模型的應用——加利福尼亞房價預測
    4.2.4  任務4：套索回歸模型的應用——加利福尼亞房價預測
    4.2.5  線性回歸演算法詳解
  4.3  項目拓展——糖尿病患者病情預測
  4.4  項目小結
  4.5  習題
項目5  邏輯回歸演算法實戰
  項目背景
  學習目標
  5.1  項目知識準備
    5.1.1  邏輯回歸演算法的基本原理
    5.1.2  邏輯回歸模型的參數選擇
  5.2  項目實訓
    5.2.1  任務1：邏輯回歸演算法的應用及效果展示
    5.2.2  任務2：基於邏輯回歸演算法診斷腫瘤
    5.2.3  邏輯回歸演算法詳解
  5.3  項目拓展——泰坦尼克號乘客生還情況預測
    5.3.1  任務分析
    5.3.2  任務實現
  5.4  項目小結
  5.5  習題
項目6  樸素貝葉斯分類演算法實戰
  項目背景
  學習目標
  6.1  項目知識準備
    6.1.1  樸素貝葉斯演算法及其原理
    6.1.2  伯努利樸素貝葉斯演算法
    6.1.3  高斯樸素貝葉斯演算法
    6.1.4  多項式樸素貝葉斯演算法
  6.2  項目實訓
    6.2.1  任務1：用伯努利樸素貝葉斯模型實現天氣預測
    6.2.2  任務2：用高斯樸素貝葉斯模型實現連續值的分類
    6.2.3  任務3：用多項式樸素貝葉斯模型實現離散值的分類
  6.3  項目拓展——預測客戶是否續訂定期存款產品
    6.3.1  任務分析
    6.3.2  任務實現
  6.4  項目小結
  6.5  習題

項目7  決策樹與隨機森林預測建模
  項目背景
  學習目標
  7.1  項目知識準備
    7.1.1  決策樹的演算法原理和構造
    7.1.2  隨機森林的演算法原理和構造
  7.2  項目實訓
    7.2.1  任務1：用決策樹和隨機森林模型判斷潛在可開發新能源區域
    7.2.2  任務2：用線性回歸模型和隨機森林回歸模型預測加利福尼亞房價
    7.2.3  決策樹演算法詳解
  7.3  項目拓展——決策樹模型在葡萄酒質量預測中的應用
    7.3.1  任務分析
    7.3.2  任務實現
  7.4  項目小結
  7.5  習題
項目8  支持向量機演算法實戰
  項目背景
  學習目標
  8.1  項目知識準備
    8.1.1  SVM的概念
    8.1.2  SVM的核函數與參數選擇
  8.2  項目實訓
    8.2.1  任務1：用SVM實現回歸預測
    8.2.2  任務2：用SVM實現體重分類預測
    8.2.3  SVM實現方法詳解
  8.3  項目拓展——SVM實現收入分類預測
    8.3.1  任務分析
    8.3.2  任務實現
  8.4  項目小結
  8.5  習題
項目9  k均值聚類演算法實戰
  項目背景
  學習目標
  9.1  項目知識準備
    9.1.1  聚類演算法簡介
    9.1.2  k均值聚類演算法的原理
    9.1.3  k均值聚類演算法的參數選擇
  9.2  項目實訓
    9.2.1  任務1：k均值聚類演算法的應用及效果展示
    9.2.2  任務2：用k均值聚類演算法實現鳶尾花數據聚類
    9.2.3  k均值聚類演算法詳解
  9.3  項目拓展——航空公司客戶價值分析
    9.3.1  任務分析
    9.3.2  任務實現
  9.4  項目小結
  9.5  習題
項目10  神經網路基礎與應用實戰
  項目背景
  學習目標
  10.1  項目知識準備

    10.1.1  神經網路的起源
    10.1.2  神經網路的原理
    10.1.3  神經網路的決策過程
  10.2  項目實訓
    10.2.1  任務1：用神經網路完成鳶尾花分類任務
    10.2.2  任務2：用神經網路實現手寫數字識別
    10.2.3  MLPClassifier類詳解
  10.3  項目拓展——多層感知機進行信用卡欺詐檢測
    10.3.1  任務分析
    10.3.2  任務實現
  10.4  項目小結
  10.5  習題
項目11  模型評估與優化
  項目背景
  學習目標
  11.1  項目知識準備
    11.1.1  交叉驗證
    11.1.2  超參數調優
    11.1.3  分類模型的可信度評估
    11.1.4  ROC曲線與AUC值
  11.2  項目實訓
    11.2.1  任務1：使用交叉驗證法評估模型
    11.2.2  任務2：使用網格搜索演算法進行模型參數調優
    11.2.3  任務3：分類模型的可信度評估練習
  11.3  項目拓展——基於邏輯回歸的油耗預測與參數調優
    11.3.1  任務分析
    11.3.2  任務實現
  11.4  項目小結
  11.5  習題

  • 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