掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
機器學習工程簡明教程 版權信息
- ISBN：9787563563821
- 條形碼：9787563563821 ; 978-7-5635-6382-1
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
機器學習工程簡明教程 內容簡介
本書作為機器學習的入門書, 涉及機器學習基礎知識的各方面內容。該書共包含11章內容, 具體安排為: 第1章講解機器學習的基礎知識 ; 第2-6章講解監(jiān)督學習中常用的分類算法 ; 第7章講解監(jiān)督學習中常用的回歸算法 ; 第8章介紹神經網絡, 其既可以用于分類, 又可以用于回歸 ; 第9-10章講解無監(jiān)督學習中的常用算法 ; 第11章介紹通過降維技術來簡化數(shù)據(jù)。
機器學習工程簡明教程 目錄
第1章 緒論
1.1 機器學習定義
1.2 機器學習發(fā)展歷程
1.3 機器學習分類
1.3.1 有監(jiān)督學習
1.3.2 分類模型評判指標
1.3.3 無監(jiān)督學習
1.3.4 增強學習
1.4 實驗環(huán)境介紹
1.4.1 語言的選擇
1.4.2 Python的安裝
1.4.3 PyCharm編輯器
1.5 本章小結
第2章 七近鄰
2.1 k近鄰算法介紹
2.2 入門實例
2.3 忌近鄰算法的深入討論
2.3.1 k值對結果的影響
2.3.2 相似程度的度量
2.3.3 決策策略
2.4 實際應用
2.4.1 KNeighborsClassifier類介紹
2.4.2 小試牛刀
2.4.3 實戰(zhàn)演示
2.5 本章小結
第3章 決策樹
3.1 決策樹算法介紹
3.2 構建決策樹的方法
3.2.1 信息熵
3.2.2 信息增益
3.2.3 ID3算法
3.2.4 C4.5算法
3.2.5 CART算法
3.3 模型評估方法
3.3.1 保留法
3.3.2 k折交叉驗證法
3.3.3 自助法
3.4 實際應用
3.4.1 DecisionTreeClassifier類介紹
3.4.2 小試牛刀
3.4.3 實戰(zhàn)演示
3.5 本章小結
第4章 樸素貝葉斯
4.1 貝葉斯定理
4.2 樸素貝葉斯算法介紹
4.3 入門實例
4.4 Laplace修正
4.5 實際應用
4.5.1 GussianNB類介紹
4.5.2 小試牛刀
4.5.3 實戰(zhàn)演示
4.6 本章小結
第5章 支持向量機
5.1 支持向量機算法介紹
……
第6章 AdaBoost
第7章 線性回歸
第8章 神經網絡
第9章 k-means
第10章 Apriori關聯(lián)分析
第11章 PCA降維
參考文獻
附錄A 線性代數(shù)基礎
附錄B 概率論基礎
附錄C Python基礎
展開全部
機器學習工程簡明教程 作者簡介
楊坡，碩士，南開大學濱海學院講師，主要研究領域為模式識別、機器學習等。長年教授C++、PHP、Python等課程。主編書籍《HTML5 canvas游戲開發(fā)基礎》。省級產學研合作項目——Python課程建設的主要參與人。
書友推薦
- >
【精裝繪本】畫給孩子的中國神話
- >
巴金－再思錄
- >
月亮與六便士
- >
羅曼·羅蘭讀書隨筆-精裝
- >
詩經-先民的歌唱
- >
煙與鏡
- >
羅庸西南聯(lián)大授課錄
- >
自卑與超越
本類暢銷
