中圖網小程序
一鍵登錄
更方便
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
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
精通數據科學算法 版權信息
- ISBN：9787115498168
- 條形碼：9787115498168 ; 978-7-115-49816-8
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
精通數據科學算法 本書特色
數據科學（Data Science）是從數據中提取知識的技術，是一門有關機器學習、統計學與數據挖掘的交叉學科。數據科學包含了多種領域的不同元素，包括信號處理、數學、概率模型技術和理論、計算機編程、統計學等。 本書講解了7種重要的數據分析方法，它們分別是k*近鄰算法、樸素貝葉斯算法、決策樹、隨機森林、k-means聚類、回歸分析以及時間序列分析。全書共7章，每一章都以一個簡單的例子開始，先講解算法的基本概念與知識，然后通過對案例進行擴展以講解一些特殊的分析算法。這種方式有益于讀者深刻理解算法。 本書適合數據分析人員、機器學習領域的從業人員以及對算法感興趣的讀者閱讀。
精通數據科學算法 內容簡介
數據科學（Data Science）是從數據中提取知識的技術，是一門有關機器學習、統計學與數據挖掘的交叉學科。數據科學包含了多種領域的不同元素，包括信號處理、數學、概率模型技術和理論、計算機編程、統計學等。 本書講解了7種重要的數據分析方法，它們分別是k很近鄰算法、樸素貝葉斯算法、決策樹、隨機森林、k-means聚類、回歸分析以及時間序列分析。全書共7章，每一章都以一個簡單的例子開始，先講解算法的基本概念與知識，然后通過對案例進行擴展以講解一些特殊的分析算法。這種方式有益于讀者深刻理解算法。 本書適合數據分析人員、機器學習領域的從業人員以及對算法感興趣的讀者閱讀。
精通數據科學算法 目錄
第 1 章 用k*近鄰算法解決分類問題
1.1 Mary對溫度的感覺
1.2 實現k*近鄰算法
1.3 意大利地區的示例——選擇k值
1.4 房屋所有權——數據轉換
1.5 文本分類——使用非歐幾里德距離
1.6 文本分類——更高維度的k-NN
1.7 小結
1.8 習題
第 2 章 樸素貝葉斯
2.1 醫療檢查——貝葉斯定理的基本應用
2.2 貝葉斯定理的證明及其擴展
2.3 西洋棋游戲——獨立事件
2.4 樸素貝葉斯分類器的實現
2.5 西洋棋游戲——相關事件
2.6 性別分類——基于連續隨機變量的貝葉斯定理
2.7 小結
2.8 習題
第 3 章 決策樹
3.1 游泳偏好——用決策樹表示數據
3.2 信息論 044
3.3 ID3算法——構造決策樹 047
3.4 用決策樹進行分類 054
3.5 小結 060
3.6 習題 060
第 4 章 隨機森林 064
4.1 隨機森林算法概述 064
4.2 游泳偏好——隨機森林分析法 065
4.3 隨機森林算法的實現 071
4.4 下棋實例 075
4.5 購物分析——克服隨機數據的不一致性以及
度量置信水平 082
4.6 小結 084
4.7 習題 084
第 5 章 k-means聚類 089
5.1 家庭收入——聚類為k個簇 089
5.2 性別分類——聚類分類 092
5.3 k-means聚類算法的實現 095
5.4 房產所有權示例——選擇簇的數量 099
5.5 小結 105
5.6 習題 105
第 6 章 回歸分析 114
6.1 華氏溫度和攝氏溫度的轉換——基于完整數據的線性回歸 114
6.2 根據身高預測體重——基于實際數據的線性回歸 117
6.3 梯度下降算法及實現 118
6.4 根據距離預測飛行時長 122
6.5 彈道飛行分析——非線性模型 123
6.6 小 結 125
6.7 習 題 125
第 7 章 時間序列分析 130
7.1 商業利潤——趨勢分析 130
7.2 電子商店的銷售額——季節性分析 132
7.3 小 結 140
7.4 習 題 140
附錄 A 統計 145
A.1 基本概念 145
A.2 貝葉斯推理 146
A.3 分 布 146
A.4 交叉驗證 147
A.5 A/B 測 試 148
附錄 B R參考 149
B.1 介 紹 149
B.2 數據類型 150
B.3 線性回歸 152
附錄 C Python參考 154
C.1 介 紹 154
C.2 數據類型 155
C.3 控 制 流 159
附錄 D 數據科學中的算法和方法術語 163
1.1 Mary對溫度的感覺
1.2 實現k*近鄰算法
1.3 意大利地區的示例——選擇k值
1.4 房屋所有權——數據轉換
1.5 文本分類——使用非歐幾里德距離
1.6 文本分類——更高維度的k-NN
1.7 小結
1.8 習題
第 2 章 樸素貝葉斯
2.1 醫療檢查——貝葉斯定理的基本應用
2.2 貝葉斯定理的證明及其擴展
2.3 西洋棋游戲——獨立事件
2.4 樸素貝葉斯分類器的實現
2.5 西洋棋游戲——相關事件
2.6 性別分類——基于連續隨機變量的貝葉斯定理
2.7 小結
2.8 習題
第 3 章 決策樹
3.1 游泳偏好——用決策樹表示數據
3.2 信息論 044
3.3 ID3算法——構造決策樹 047
3.4 用決策樹進行分類 054
3.5 小結 060
3.6 習題 060
第 4 章 隨機森林 064
4.1 隨機森林算法概述 064
4.2 游泳偏好——隨機森林分析法 065
4.3 隨機森林算法的實現 071
4.4 下棋實例 075
4.5 購物分析——克服隨機數據的不一致性以及
度量置信水平 082
4.6 小結 084
4.7 習題 084
第 5 章 k-means聚類 089
5.1 家庭收入——聚類為k個簇 089
5.2 性別分類——聚類分類 092
5.3 k-means聚類算法的實現 095
5.4 房產所有權示例——選擇簇的數量 099
5.5 小結 105
5.6 習題 105
第 6 章 回歸分析 114
6.1 華氏溫度和攝氏溫度的轉換——基于完整數據的線性回歸 114
6.2 根據身高預測體重——基于實際數據的線性回歸 117
6.3 梯度下降算法及實現 118
6.4 根據距離預測飛行時長 122
6.5 彈道飛行分析——非線性模型 123
6.6 小 結 125
6.7 習 題 125
第 7 章 時間序列分析 130
7.1 商業利潤——趨勢分析 130
7.2 電子商店的銷售額——季節性分析 132
7.3 小 結 140
7.4 習 題 140
附錄 A 統計 145
A.1 基本概念 145
A.2 貝葉斯推理 146
A.3 分 布 146
A.4 交叉驗證 147
A.5 A/B 測 試 148
附錄 B R參考 149
B.1 介 紹 149
B.2 數據類型 150
B.3 線性回歸 152
附錄 C Python參考 154
C.1 介 紹 154
C.2 數據類型 155
C.3 控 制 流 159
附錄 D 數據科學中的算法和方法術語 163
展開全部
精通數據科學算法 作者簡介
Dávid Natingga于2014年畢業于倫敦帝國理工學院的計算與人工智能專業，并獲工程碩士學位。2011年，他在印度班加羅爾的Infosys實驗室工作，研究機器學習算法的優化。2012~2013年，他在美國帕羅奧圖的Palantir技術公司從事大數據算法的開發工作。2014年，作為英國倫敦Pact Coffee公司的數據科學家，他設計了一種基于顧客口味偏好和咖啡結構的推薦算法。2017年，他在荷蘭阿姆斯特丹的TomTom工作，處理導航平臺的地圖數據。 他是英國利茲大學計算理論專業的博士研究生，研究純數學如何推進人工智能。2016年，他在日本高等科學技術學院當了8個月的訪問學者。
書友推薦
- >
有舍有得是人生
- >
上帝之肋:男人的真實旅程
- >
經典常談
- >
推拿
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
伊索寓言-世界文學名著典藏-全譯本
- >
山海經
- >
月亮與六便士
本類暢銷
