-
>
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
機器學習案例分析(基于Python語言) 版權信息
- ISBN:9787121381812
- 條形碼:9787121381812 ; 978-7-121-38181-2
- 裝幀:平裝-膠訂
- 冊數:暫無
- 重量:暫無
- 所屬分類:>
機器學習案例分析(基于Python語言) 本書特色
共分為4個部分:1、基礎知識:主要介紹機器學習的基本概念、Python的基礎知識、常用第三方庫,并結合網絡爬蟲及信息提取案例和股票數據圖表繪制案例使讀者對本部分內容有更好的理解。2、有監督分類案例:包括Iris數據分類、新聞文本數據分類、手寫數字圖像識別和場景文字檢測共4個案例。3、無監督聚類案例:包括人臉圖像聚類和文本聚類共2個案例。4、回歸預測案例:包括房價預測、員工離職預測和廣告點擊率預測共3個案例。
機器學習案例分析(基于Python語言) 內容簡介
本書共5章內容, 主要結合目前流行的人工智能編程語言Python對機器學習案例進行分析, 介紹機器學習的相關理論, 并展示使用機器學習方法解決實際應用問題的具體過程。本書包括基礎知識、分類案例、聚類案例、回歸預測案例和綜合案例, 力爭通過通俗易懂的案例和代碼分析使讀者快速掌握機器學習的具體應用方法。
機器學習案例分析(基于Python語言) 目錄
1.1 機器學習簡介 ....................................................................................................... 002
1.1.1 基本概念 .................................................................................................... 002
1.1.2 機器學習分類 ............................................................................................ 003
1.2 Python 基礎 .......................................................................................................... 005
1.2.1 Python 編程環境 ....................................................................................... 005
1.2.2 基本數據類型 ............................................................................................ 011
1.2.3 分支語句和循環語句 ................................................................................ 018
1.2.4 函數 ............................................................................................................ 021
1.2.5 類和對象 .................................................................................................... 025
1.2.6 打開、關閉、讀/寫文件 ........................................................................... 028
1.2.7 異常處理 .................................................................................................... 031
1.3 常用第三方庫 ....................................................................................................... 033
1.3.1 NumPy ....................................................................................................... 033
1.3.2 SciPy .......................................................................................................... 039
1.3.3 Pandas ....................................................................................................... 041
1.3.4 Matplotlib .................................................................................................. 053
1.3.5 Scikit-learn ............................................................................................... 056
1.4 案例分析 ............................................................................................................... 058
1.4.1 網絡爬蟲及信息提取 ................................................................................ 058
1.4.2 股票數據圖表繪制 .................................................................................... 063
1.5 本章小結 ............................................................................................................... 069
1.6 參考文獻 ............................................................................................................... 069
第2 章 分類案例 ................................................................................................................ 071
2.1 員工離職預測 ....................................................................................................... 072
2.1.1 問題描述及數據集獲取 ............................................................................ 072
2.1.2 求解思路和相關知識介紹 ........................................................................ 073
2.1.3 代碼實現及分析 ........................................................................................ 076
2.2 Iris 數據分類 ......................................................................................................... 081
2.2.1 問題描述及數據集獲取 ............................................................................ 081
2.2.2 求解思路和相關知識介紹 ........................................................................ 082
2.2.3 代碼實現及分析 ........................................................................................ 089
2.3 新聞文本分類 ....................................................................................................... 099
2.3.1 問題描述及數據集獲取 ............................................................................ 099
2.3.2 求解思路和相關知識介紹 ........................................................................ 100
2.3.3 代碼實現及分析 ........................................................................................ 113
2.4 手寫數字識別 ....................................................................................................... 128
2.4.1 問題描述及數據集獲取 ............................................................................ 128
2.4.2 求解思路和相關知識介紹 ........................................................................ 129
2.4.3 代碼實現及分析 ........................................................................................ 134
2.5 本章小結 ............................................................................................................... 139
2.6 參考文獻 ............................................................................................................... 139
第3 章 聚類案例 ................................................................................................................ 143
3.1 人臉圖像聚類 ....................................................................................................... 144
3.1.1 問題描述及數據集獲取 ............................................................................ 144
3.1.2 求解思路和相關知識介紹 ........................................................................ 146
3.1.3 代碼實現及分析 ........................................................................................ 150
3.2 文本聚類 ............................................................................................................... 162
3.2.1 問題描述及數據集獲取 ............................................................................ 162
3.2.2 求解思路和相關知識介紹 ........................................................................ 163
3.2.3 代碼實現及分析 ........................................................................................ 167
3.3 本章小結 ............................................................................................................... 173
3.4 參考文獻 ............................................................................................................... 174
第4 章 回歸預測案例 ........................................................................................................ 175
4.1 房價預測 ............................................................................................................... 176
4.1.1 問題描述及數據集獲取 ............................................................................ 176
4.1.2 求解思路和相關知識介紹 ........................................................................ 177
4.1.3 代碼實現及分析 ........................................................................................ 184
4.2 基于LSTM 的股票走勢預測 ............................................................................... 191
4.2.1 問題描述及數據集獲取 ............................................................................ 191
4.2.2 求解思路和相關知識介紹 ........................................................................ 192
目 錄
XI
4.2.3 代碼實現及分析 ........................................................................................ 197
4.3 本章小結 ............................................................................................................... 204
4.4 參考文獻 ............................................................................................................... 204
第5 章 綜合案例................................................................................................................. 206
5.1 場景文本檢測 ...........
機器學習案例分析(基于Python語言) 作者簡介
北京海云捷迅科技有限公司(AWcloud),國內領先的企業級OpenStack云服務提供商。總部位于北京中關村高新技術園區,擁有行業內最專業的研發。海云捷迅以OpenStack為契機,與包括Intel、HP、Oracle、Canonical、東軟等企業在內的國內外各大軟硬件廠商及IT服務提供商建立了緊密的戰略合作關系,構建了一套完整的OpenStack服務生態體系,為企業提供基于OpenStack的私有云、混合云、融合計算等解決方案,為IDC企業提供聯合運營服務。此外,還為客戶提供OpenStack的架構咨詢、設計、實施、培訓、運維等一條龍服務。 截至目前,海云捷迅已經部署物理服務器超過2000臺,運行云主機的規模超過30000臺,客戶遍及高校、科研院所、新媒體、醫療、IDC、電力、公眾服務等領域,在同行業中居于領先地位。王愷,博士,副教授/碩士生導師,公共計算機基礎教學部副主任。研究興趣包括計算機視覺和機器學習,主持國家級、省部級及校企合作項目10余項,在國內外重要期刊/會議上發表科研論文30余篇。主講《計算機基礎(理)》、《數據結構與算法》、《Python和機器學習入門》、《Python和數據分析基礎》等課程,出版教材11部。
- >
莉莉和章魚
- >
經典常談
- >
名家帶你讀魯迅:故事新編
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
李白與唐代文化
- >
羅曼·羅蘭讀書隨筆-精裝
- >
中國歷史的瞬間
- >
回憶愛瑪儂