掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥49.2
加入購(gòu)物車
機(jī)器學(xué)習(xí)算法入門與編程實(shí)踐(基于Python·微課視頻版) 版權(quán)信息
- ISBN：9787111693543
- 條形碼：9787111693543 ; 978-7-111-69354-3
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
機(jī)器學(xué)習(xí)算法入門與編程實(shí)踐(基于Python·微課視頻版) 本書(shū)特色
適讀人群 ：機(jī)器學(xué)習(xí)算法入門人員、高等院校機(jī)器學(xué)習(xí)和人工智能專業(yè)的學(xué)生、人工智能等領(lǐng)域機(jī)器學(xué)習(xí)研究者和應(yīng)用人員湖南省普通高等學(xué)校教學(xué)改革研究項(xiàng)目的成果。 提供11個(gè)微課配套教學(xué)視頻，可以掃碼在線觀看。 89個(gè)示例+6個(gè)綜合案例+156個(gè)示意圖+131道習(xí)題。 提供大量習(xí)題、源代碼、教學(xué)PPT、習(xí)題參考答案、考試試卷、教學(xué)大綱和實(shí)驗(yàn)指導(dǎo)等完善的立體化教學(xué)支持。 以面向初學(xué)者的視角系統(tǒng)介紹機(jī)器學(xué)習(xí)算法的基本原理。 每種算法都采用sklearn程序?qū)崿F(xiàn)并用Matplotlib進(jìn)行數(shù)據(jù)可視化。 注重案例教學(xué)，詳解6個(gè)綜合案例，詳解機(jī)器學(xué)習(xí)算法如何處理各種細(xì)節(jié)問(wèn)題。 面向初學(xué)者詳述機(jī)器學(xué)習(xí)算法原理，展現(xiàn)其難點(diǎn)，注重解決學(xué)習(xí)時(shí)容易“掉坑”的問(wèn)題。 詳解如何用sklearn編寫機(jī)器學(xué)習(xí)程序，為進(jìn)一步學(xué)習(xí)TensorFlow深度學(xué)習(xí)算法打下基礎(chǔ)。
機(jī)器學(xué)習(xí)算法入門與編程實(shí)踐(基于Python·微課視頻版) 內(nèi)容簡(jiǎn)介
本書(shū)對(duì)機(jī)器學(xué)習(xí)算法的基本原理和Python程序?qū)崿F(xiàn)進(jìn)行了系統(tǒng)的介紹，每種算法都采用Sklearn程序?qū)崿F(xiàn)并用Matplotlib進(jìn)行數(shù)據(jù)可視化。為了幫助讀者更加高效、直觀地學(xué)習(xí)，作者為本書(shū)錄制了13個(gè)微課視頻，讀者可以用手機(jī)掃描書(shū)中的二維碼進(jìn)行觀看，也可以將視頻下載后進(jìn)行觀看。本書(shū)共8章，包括機(jī)器學(xué)習(xí)概述、Python機(jī)器學(xué)習(xí)與可視化、關(guān)聯(lián)規(guī)則與推薦算法、聚類算法、分類算法、回歸與邏輯回歸、人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等內(nèi)容。本書(shū)可以作為高等院校機(jī)器學(xué)習(xí)和人工智能概論等課程的教材，也可作為機(jī)器學(xué)習(xí)算法入門讀者的自學(xué)用書(shū)，還可以作為人工智能等領(lǐng)域機(jī)器學(xué)習(xí)研究者和應(yīng)用人員的參考書(shū)。
機(jī)器學(xué)習(xí)算法入門與編程實(shí)踐(基于Python·微課視頻版) 目錄
前言第1章 機(jī)器學(xué)習(xí)概述11.1 機(jī)器學(xué)習(xí)的概念和步驟11.1.1 機(jī)器學(xué)習(xí)的一般過(guò)程21.1.2 機(jī)器學(xué)習(xí)的定義41.1.3 機(jī)器學(xué)習(xí)的過(guò)程舉例41.1.4 評(píng)估機(jī)器學(xué)習(xí)模型的效果71.2 機(jī)器學(xué)習(xí)的預(yù)處理環(huán)節(jié)91.2.1 收集相關(guān)樣本101.2.2 數(shù)據(jù)預(yù)處理101.2.3 數(shù)據(jù)標(biāo)準(zhǔn)化121.2.4 數(shù)據(jù)降維141.3 機(jī)器學(xué)習(xí)的類型151.3.1 按完成的任務(wù)分類151.3.2 按學(xué)習(xí)的過(guò)程分類161.4 機(jī)器學(xué)習(xí)的發(fā)展歷史和應(yīng)用領(lǐng)域171.4.1 機(jī)器學(xué)習(xí)的發(fā)展歷史171.4.2 機(jī)器學(xué)習(xí)的應(yīng)用領(lǐng)域201.5 習(xí)題22第2章 Python機(jī)器學(xué)習(xí)與可視化242.1 Python程序入門242.1.1 一些簡(jiǎn)單的Python程序242.1.2 序列數(shù)據(jù)結(jié)構(gòu)262.1.3 序列處理函數(shù)282.1.4 函數(shù)和類292.2 Python數(shù)據(jù)分析工具322.2.1 Anaconda的使用322.2.2 Spyder集成開(kāi)發(fā)環(huán)境332.2.3 NumPy庫(kù)342.3 數(shù)據(jù)可視化——基于Matplotlib庫(kù)372.3.1 繪制曲線圖382.3.2 繪制散點(diǎn)圖等其他圖形432.4 SciPy庫(kù)472.5 sklearn庫(kù)492.5.1 樣本及樣本的劃分492.5.2 導(dǎo)入或創(chuàng)建數(shù)據(jù)集532.5.3 數(shù)據(jù)預(yù)處理562.5.4 數(shù)據(jù)的降維592.5.5 調(diào)用機(jī)器學(xué)習(xí)模型612.6 習(xí)題63第3章 關(guān)聯(lián)規(guī)則與推薦算法653.1 關(guān)聯(lián)規(guī)則挖掘653.1.1 基本概念653.1.2 Apriori算法683.1.3 Apriori算法的程序?qū)崿F(xiàn)723.1.4 FP-Growth算法733.2 推薦系統(tǒng)及算法773.2.1 協(xié)同過(guò)濾推薦算法783.2.2 協(xié)同過(guò)濾推薦算法應(yīng)用實(shí)例813.3 利用協(xié)同過(guò)濾推薦算法實(shí)現(xiàn)電影節(jié)目推薦853.4 習(xí)題87第4章 聚類894.1 聚類的原理與實(shí)現(xiàn)894.1.1 聚類的概念和類型894.1.2 如何度量距離894.1.3 聚類的基本步驟934.2 層次聚類算法974.2.1 層次聚類法舉例984.2.2 層次聚類法的sklearn實(shí)現(xiàn)994.3 K-means聚類算法1034.3.1 K-means聚類算法的原理和實(shí)例1044.3.2 K-means聚類算法的k值的確定1104.3.3 K-means聚類算法的sklearn實(shí)現(xiàn)1114.4 K-medoids聚類算法1124.4.1 K-medoids聚類算法的原理和實(shí)例1124.4.2 K-medoids聚類算法的sklearn實(shí)現(xiàn)1184.5 DBSCAN聚類算法1194.5.1 DBSCAN聚類算法的原理和實(shí)例1194.5.2 DBSCAN聚類算法的sklearn實(shí)現(xiàn)1244.6 利用聚類算法實(shí)現(xiàn)車牌識(shí)別1264.7 習(xí)題129 第5章 分類1305.1 分類的基本原理1305.1.1 分類與聚類的區(qū)別1315.1.2 分類的步驟1325.1.3 分類模型預(yù)測(cè)結(jié)果評(píng)估1345.1.4 sklearn庫(kù)的常用分類算法1355.2 K-近鄰算法1365.2.1 K-近鄰算法的原理和實(shí)例1365.2.2 sklearn中分類模型的編程步驟1405.2.3 K-近鄰算法的sklearn實(shí)現(xiàn)1425.2.4 繪制分類邊界圖1445.2.5 確定*優(yōu)的k值1465.3 樸素貝葉斯分類算法1475.3.1 樸素貝葉斯的原理與實(shí)例1485.3.2 樸素貝葉斯分類的常見(jiàn)問(wèn)題1525.3.3 樸素貝葉斯分類算法的sklearn實(shí)現(xiàn)1545.4 決策樹(shù)分類算法1565.4.1 信息論基礎(chǔ)1575.4.2 ID3算法1625.4.3 C4.5算法1675.4.4 CART算法1715.4.5 決策樹(shù)分類算法的sklearn實(shí)現(xiàn)1735.5 隨機(jī)森林分類算法1755.5.1 集成學(xué)習(xí)理論1755.5.2 隨機(jī)森林分類算法的理論與實(shí)例1775.5.3 隨機(jī)森林分類算法的sklearn實(shí)現(xiàn)1835.6 利用運(yùn)動(dòng)手環(huán)數(shù)據(jù)預(yù)測(cè)身體姿態(tài)1865.7 習(xí)題191第6章 回歸與邏輯回歸1936.1 線性回歸1936.1.1 相關(guān)與回歸1936.1.2 線性回歸分析1946.1.3 線性回歸方程參數(shù)的求法1966.1.4 線性回歸模型的sklearn實(shí)現(xiàn)2016.2 邏輯回歸2066.2.1 線性分類模型的原理2066.2.2 邏輯回歸模型及實(shí)例2096.3 邏輯回歸模型的sklearn實(shí)現(xiàn)2126.3.1 sklearn中的邏輯回歸模型2126.3.2 利用邏輯回歸模型預(yù)測(cè)是否錄取學(xué)生2146.4 利用邏輯回歸模型預(yù)測(cè)貸款違約行為2186.5 習(xí)題222第7章 人工神經(jīng)網(wǎng)絡(luò)2237.1 神經(jīng)元與感知機(jī)2237.1.1 人工神經(jīng)元與邏輯回歸模型2247.1.2 感知機(jī)模型2257.1.3 感知機(jī)模型的Python實(shí)現(xiàn)2277.1.4 多層感知機(jī)模型2287.2 人工神經(jīng)網(wǎng)絡(luò)的核心要素2317.2.1 神經(jīng)元的激活函數(shù)2317.2.2 損失函數(shù)2337.2.3 網(wǎng)絡(luò)結(jié)構(gòu)2357.2.4 反向傳播2367.3 人工神經(jīng)網(wǎng)絡(luò)的sklearn實(shí)現(xiàn)2397.3.1 sklearn人工神經(jīng)網(wǎng)絡(luò)模塊2397.3.2 利用人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)二手房銷售數(shù)據(jù)2407.4 深度學(xué)習(xí)與深度神經(jīng)網(wǎng)絡(luò)2427.4.1 深度學(xué)習(xí)的概念和原理2437.4.2 TensorFlow概述2447.4.3
展開(kāi)全部
機(jī)器學(xué)習(xí)算法入門與編程實(shí)踐(基于Python·微課視頻版) 作者簡(jiǎn)介
唐四薪 畢業(yè)于中南大學(xué)，獲計(jì)算機(jī)專業(yè)碩士研究生學(xué)位。現(xiàn)為衡陽(yáng)師范學(xué)院計(jì)算機(jī)學(xué)院雙師型教師，從事大數(shù)據(jù)分析和網(wǎng)頁(yè)制作的教學(xué)與研究，主講“云計(jì)算與大數(shù)據(jù)技術(shù)”等課程，主持兩項(xiàng)省級(jí)課題和多項(xiàng)地、廳級(jí)課題。2012年開(kāi)發(fā)的“電子商務(wù)安全”網(wǎng)絡(luò)課程獲湖南省現(xiàn)代教育技術(shù)應(yīng)用競(jìng)賽三等獎(jiǎng)，2012年申報(bào)的“電子商務(wù)專業(yè)網(wǎng)站開(kāi)發(fā)類系列教材的建設(shè)”成果獲衡陽(yáng)師范學(xué)院教學(xué)成果三等獎(jiǎng)。獨(dú)立編寫《基于Web標(biāo)準(zhǔn)的網(wǎng)頁(yè)設(shè)計(jì)與制作》一書(shū)，以第一作者的身份在《生物數(shù)學(xué)學(xué)報(bào)》《生物信息學(xué)》《計(jì)算機(jī)系統(tǒng)應(yīng)用》《計(jì)算機(jī)工程與科學(xué)》等雜志上發(fā)表多篇論文。
書(shū)友推薦
- >
我從未如此眷戀人間
- >
中國(guó)歷史的瞬間
- >
龍榆生：詞曲概論/大家小書(shū)
- >
回憶愛(ài)瑪儂
- >
小考拉的故事-套裝共3冊(cè)
- >
【精裝繪本】畫(huà)給孩子的中國(guó)神話
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
朝聞道
本類暢銷
