掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
>
機(jī)器學(xué)習(xí)系列GO語(yǔ)言機(jī)器學(xué)習(xí)實(shí)戰(zhàn)
包郵 機(jī)器學(xué)習(xí)系列GO語(yǔ)言機(jī)器學(xué)習(xí)實(shí)戰(zhàn)
開本：
16開
頁(yè)數(shù)：
224
本類五星書更多>
-
>
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(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥61.0
加入購(gòu)物車
機(jī)器學(xué)習(xí)系列GO語(yǔ)言機(jī)器學(xué)習(xí)實(shí)戰(zhàn) 版權(quán)信息
- ISBN：9787111645894
- 條形碼：9787111645894 ; 978-7-111-64589-4
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
機(jī)器學(xué)習(xí)系列GO語(yǔ)言機(jī)器學(xué)習(xí)實(shí)戰(zhàn) 本書特色
《GO語(yǔ)言機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》主要介紹了如何在Go語(yǔ)言中部署程序從而實(shí)現(xiàn)機(jī)器學(xué) 習(xí)算法。主要內(nèi)容包括:利用Go語(yǔ)言中的庫(kù)和功能來(lái)配置機(jī)器學(xué)習(xí)環(huán)境，對(duì)實(shí)際生活中的房?jī)r(jià)數(shù)據(jù)集進(jìn)行 回歸分析，在Go語(yǔ)言中構(gòu)建分類模型來(lái)區(qū)分垃圾電子郵件，通過(guò)聚類整理個(gè)人推特賬戶的時(shí)間線。此外， 本書還介紹了用神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行手寫體識(shí)別，以及以人臉檢測(cè)項(xiàng)目為例，介紹了如何選擇適 合于具體項(xiàng)目的機(jī)器學(xué)習(xí)算法。
機(jī)器學(xué)習(xí)系列GO語(yǔ)言機(jī)器學(xué)習(xí)實(shí)戰(zhàn) 內(nèi)容簡(jiǎn)介
《GO語(yǔ)言機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》主要介紹了如何在Go語(yǔ)言中部署程序從而實(shí)現(xiàn)機(jī)器學(xué) 習(xí)算法。主要內(nèi)容包括:利用Go語(yǔ)言中的庫(kù)和功能來(lái)配置機(jī)器學(xué)習(xí)環(huán)境，對(duì)實(shí)際生活中的房?jī)r(jià)數(shù)據(jù)集進(jìn)行 回歸分析，在Go語(yǔ)言中構(gòu)建分類模型來(lái)區(qū)分垃圾電子郵件，通過(guò)聚類整理個(gè)人推特賬戶的時(shí)間線。此外， 本書還介紹了用神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行手寫體識(shí)別，以及以人臉檢測(cè)項(xiàng)目為例，介紹了如何選擇適 合于具體項(xiàng)目的機(jī)器學(xué)習(xí)算法。
機(jī)器學(xué)習(xí)系列GO語(yǔ)言機(jī)器學(xué)習(xí)實(shí)戰(zhàn) 目錄
目 錄
譯者序
原書前言
第1章 如何解決機(jī)器學(xué)習(xí)中的所有問(wèn)題 // 1
1.1 什么是一個(gè)問(wèn)題 // 1
1.2 什么是一個(gè)算法 // 2
1.3 什么是機(jī)器學(xué)習(xí) // 3
1.4 是否需要機(jī)器學(xué)習(xí) // 3
1.5 一般問(wèn)題解決過(guò)程 // 4
1.6 什么是一個(gè)模型 // 5
1.6.1 什么是一個(gè)好的模型 // 6
1.7 本書主要內(nèi)容與章節(jié)安排 // 6
1.8 為什么選擇Go語(yǔ)言 // 7
1.9 快速啟動(dòng) // 7
1.10 函數(shù) // 7
1.11 變量 // 8
1.11.1 值 // 9
1.11.2 類型 // 9
1.11.3 方法 // 11
1.11.4 接口 // 11
1.11.5 包和導(dǎo)入 // 12
1.12 開始 // 13
第2章 線性回歸———房?jī)r(jià)預(yù)測(cè) // 14
2.1 項(xiàng)目背景 // 15
2.2 探索性數(shù)據(jù)分析 // 15
2.2.1 數(shù)據(jù)攝取和索引 // 16
2.2.2 數(shù)據(jù)清洗工作 // 18
2.2.3 進(jìn)一步的探索性工作 // 25
2.2.4 標(biāo)準(zhǔn)化 // 33
2.3 線性回歸 // 34
2.3.1 回歸 // 35
2.3.2 交叉驗(yàn)證 // 37
2.4 討論和下一步的工作 // 39
2.5 小結(jié) // 40
第3章 分類———垃圾郵件檢測(cè) // 41
3.1 項(xiàng)目背景 // 41
3.2 探索性數(shù)據(jù)分析 // 42
3.2.1 數(shù)據(jù)標(biāo)記 // 42
3.2.2 規(guī)范化和詞干提取 // 45
3.2.3 停用詞 // 45
3.2.4 數(shù)據(jù)攝取 // 46
3.3 分類器 // 47
3.4 樸素貝葉斯 // 48
3.4.1 TF-IDF // 48
3.4.2 條件概率 // 49
3.4.3 特征 // 51
3.4.4 貝葉斯定理 // 51
3.5 分類器實(shí)現(xiàn) // 52
3.5.1 類 // 53
3.5.2 分類器第Ⅱ部分 // 54
3.6 程序整合 // 58
3.7 小結(jié) // 61
第4章 利用時(shí)間序列分析分解二氧化碳趨勢(shì) // 62
4.1 探索性數(shù)據(jù)分析 // 62
4.1.1 從非HTTP數(shù)據(jù)源下載 // 63
4.1.2 處理非標(biāo)準(zhǔn)數(shù)據(jù) // 63
4.1.3 處理小數(shù)型日期 // 64
4.1.4 繪圖 // 65
4.2 分解 // 68
4.2.1 STL // 69
4.2.2 更多繪制內(nèi)容 // 81
4.3 預(yù)測(cè) // 86
4.4 小結(jié) // 89
參考文獻(xiàn) // 89
第5章 通過(guò)聚類整理個(gè)人推特賬戶的時(shí)間線 // 90
5.1 項(xiàng)目背景 // 90
5.2 K均值 // 90
5.3 DBSCAN // 92
5.4 數(shù)據(jù)采集 // 92
5.5 探索性數(shù)據(jù)分析 // 92
5.6 數(shù)據(jù)信息 // 96
5.6.1 處理器 // 97
5.6.2 單字預(yù)處理 // 99
5.6.3 單條推特處理 // 103
5.7 聚類 // 103
5.7.1 K均值聚類 // 104
5.7.2 DBSCAN聚類 // 105
5.7.3 DMMClust聚類 // 107
5.8 實(shí)際數(shù)據(jù) // 108
5.9 程序 // 111
5.10 程序調(diào)整 // 113
5.10.1 距離調(diào)整 // 114
5.10.2 預(yù)處理步驟調(diào)整 // 115
5.11 小結(jié) // 117
第6章 神經(jīng)網(wǎng)絡(luò)———MNIST手寫體識(shí)別 // 118
6.1 神經(jīng)網(wǎng)絡(luò) // 118
6.1.1 模擬神經(jīng)網(wǎng)絡(luò) // 119
6.2 線性代數(shù)101 // 121
6.2.1 激活函數(shù)探討 // 123
6.3 學(xué)習(xí)功能 // 125
6.4 項(xiàng)目背景 // 126
6.4.1 Gorgonia // 126
6.4.2 數(shù)據(jù)獲取 // 126
6.4.3 什么是張量 // 129
6.4.4 構(gòu)建神經(jīng)網(wǎng)絡(luò) // 138
6.4.5 前饋 // 139
6.4.6 利用maybe類型進(jìn)行錯(cuò)誤處理 // 140
6.4.7 前饋函數(shù)說(shuō)明 // 142
6.4.8 成本 // 143
6.4.9 反向傳播 // 143
6.5 神經(jīng)網(wǎng)絡(luò)訓(xùn)練 // 146
6.6 交叉驗(yàn)證 // 148
6.7 小結(jié) // 150
第7章 卷積神經(jīng)網(wǎng)絡(luò)———MNIST手寫體識(shí)別 // 151
7.1 有關(guān)神經(jīng)元的一切認(rèn)識(shí)都是錯(cuò)誤的 // 151
7.2 回顧神經(jīng)網(wǎng)絡(luò) // 151
7.2.1 Gorgonia // 152
7.2.2 構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò) // 161
7.3 項(xiàng)目 // 164
7.3.1 數(shù)據(jù)獲取 // 164
7.3.2 上一章的其他內(nèi)容 // 166
7.4 CNN簡(jiǎn)介 // 168
7.4.1 什么是卷積 // 168
7.4.2 *大池化 // 176
7.4.3 退出 // 176
7.5 構(gòu)建一個(gè)CNN // 176
7.5.1 反向傳播 // 180
7.6 運(yùn)行神經(jīng)網(wǎng)絡(luò) // 182
7.7 測(cè)試 // 186
7.7.1 準(zhǔn)確率 // 188
7.8 小結(jié) // 189
第8章 基本人臉檢測(cè) // 190
8.1 什么是人臉 // 190
8.1.1 Viola-Jones // 191
8.2 PICO // 194
8.2.1 關(guān)于學(xué)習(xí)的注意事項(xiàng) // 194
8.3 GoCV // 195
8.3.1 API // 195
8.4 PIGO // 195
8.5 人臉檢測(cè)程序 // 196
8.5.1 從網(wǎng)絡(luò)攝像頭獲取圖像 // 196
8.5.2 圖像顯示 // 197
8.5.3 在圖像上涂鴉 // 198
8.5.4 人臉檢測(cè)1 // 198
8.5.5 人臉檢測(cè)2 // 200
8.5.6 算法結(jié)合 // 205
8.6 算法評(píng)估 // 206
8.7 小結(jié) // 208
第9章 熱狗或者不是熱狗———使用外部服務(wù) // 209
9.1 MachineBox // 209
9.2 什么是MachineBox // 210
9.2.1 登錄和注冊(cè) // 210
9.2.2 Docker安裝與設(shè)置 // 211
9.2.3 在Go語(yǔ)言中使用 MachineBox // 211
9.3 項(xiàng)目 // 212
譯者序
原書前言
第1章 如何解決機(jī)器學(xué)習(xí)中的所有問(wèn)題 // 1
1.1 什么是一個(gè)問(wèn)題 // 1
1.2 什么是一個(gè)算法 // 2
1.3 什么是機(jī)器學(xué)習(xí) // 3
1.4 是否需要機(jī)器學(xué)習(xí) // 3
1.5 一般問(wèn)題解決過(guò)程 // 4
1.6 什么是一個(gè)模型 // 5
1.6.1 什么是一個(gè)好的模型 // 6
1.7 本書主要內(nèi)容與章節(jié)安排 // 6
1.8 為什么選擇Go語(yǔ)言 // 7
1.9 快速啟動(dòng) // 7
1.10 函數(shù) // 7
1.11 變量 // 8
1.11.1 值 // 9
1.11.2 類型 // 9
1.11.3 方法 // 11
1.11.4 接口 // 11
1.11.5 包和導(dǎo)入 // 12
1.12 開始 // 13
第2章 線性回歸———房?jī)r(jià)預(yù)測(cè) // 14
2.1 項(xiàng)目背景 // 15
2.2 探索性數(shù)據(jù)分析 // 15
2.2.1 數(shù)據(jù)攝取和索引 // 16
2.2.2 數(shù)據(jù)清洗工作 // 18
2.2.3 進(jìn)一步的探索性工作 // 25
2.2.4 標(biāo)準(zhǔn)化 // 33
2.3 線性回歸 // 34
2.3.1 回歸 // 35
2.3.2 交叉驗(yàn)證 // 37
2.4 討論和下一步的工作 // 39
2.5 小結(jié) // 40
第3章 分類———垃圾郵件檢測(cè) // 41
3.1 項(xiàng)目背景 // 41
3.2 探索性數(shù)據(jù)分析 // 42
3.2.1 數(shù)據(jù)標(biāo)記 // 42
3.2.2 規(guī)范化和詞干提取 // 45
3.2.3 停用詞 // 45
3.2.4 數(shù)據(jù)攝取 // 46
3.3 分類器 // 47
3.4 樸素貝葉斯 // 48
3.4.1 TF-IDF // 48
3.4.2 條件概率 // 49
3.4.3 特征 // 51
3.4.4 貝葉斯定理 // 51
3.5 分類器實(shí)現(xiàn) // 52
3.5.1 類 // 53
3.5.2 分類器第Ⅱ部分 // 54
3.6 程序整合 // 58
3.7 小結(jié) // 61
第4章 利用時(shí)間序列分析分解二氧化碳趨勢(shì) // 62
4.1 探索性數(shù)據(jù)分析 // 62
4.1.1 從非HTTP數(shù)據(jù)源下載 // 63
4.1.2 處理非標(biāo)準(zhǔn)數(shù)據(jù) // 63
4.1.3 處理小數(shù)型日期 // 64
4.1.4 繪圖 // 65
4.2 分解 // 68
4.2.1 STL // 69
4.2.2 更多繪制內(nèi)容 // 81
4.3 預(yù)測(cè) // 86
4.4 小結(jié) // 89
參考文獻(xiàn) // 89
第5章 通過(guò)聚類整理個(gè)人推特賬戶的時(shí)間線 // 90
5.1 項(xiàng)目背景 // 90
5.2 K均值 // 90
5.3 DBSCAN // 92
5.4 數(shù)據(jù)采集 // 92
5.5 探索性數(shù)據(jù)分析 // 92
5.6 數(shù)據(jù)信息 // 96
5.6.1 處理器 // 97
5.6.2 單字預(yù)處理 // 99
5.6.3 單條推特處理 // 103
5.7 聚類 // 103
5.7.1 K均值聚類 // 104
5.7.2 DBSCAN聚類 // 105
5.7.3 DMMClust聚類 // 107
5.8 實(shí)際數(shù)據(jù) // 108
5.9 程序 // 111
5.10 程序調(diào)整 // 113
5.10.1 距離調(diào)整 // 114
5.10.2 預(yù)處理步驟調(diào)整 // 115
5.11 小結(jié) // 117
第6章 神經(jīng)網(wǎng)絡(luò)———MNIST手寫體識(shí)別 // 118
6.1 神經(jīng)網(wǎng)絡(luò) // 118
6.1.1 模擬神經(jīng)網(wǎng)絡(luò) // 119
6.2 線性代數(shù)101 // 121
6.2.1 激活函數(shù)探討 // 123
6.3 學(xué)習(xí)功能 // 125
6.4 項(xiàng)目背景 // 126
6.4.1 Gorgonia // 126
6.4.2 數(shù)據(jù)獲取 // 126
6.4.3 什么是張量 // 129
6.4.4 構(gòu)建神經(jīng)網(wǎng)絡(luò) // 138
6.4.5 前饋 // 139
6.4.6 利用maybe類型進(jìn)行錯(cuò)誤處理 // 140
6.4.7 前饋函數(shù)說(shuō)明 // 142
6.4.8 成本 // 143
6.4.9 反向傳播 // 143
6.5 神經(jīng)網(wǎng)絡(luò)訓(xùn)練 // 146
6.6 交叉驗(yàn)證 // 148
6.7 小結(jié) // 150
第7章 卷積神經(jīng)網(wǎng)絡(luò)———MNIST手寫體識(shí)別 // 151
7.1 有關(guān)神經(jīng)元的一切認(rèn)識(shí)都是錯(cuò)誤的 // 151
7.2 回顧神經(jīng)網(wǎng)絡(luò) // 151
7.2.1 Gorgonia // 152
7.2.2 構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò) // 161
7.3 項(xiàng)目 // 164
7.3.1 數(shù)據(jù)獲取 // 164
7.3.2 上一章的其他內(nèi)容 // 166
7.4 CNN簡(jiǎn)介 // 168
7.4.1 什么是卷積 // 168
7.4.2 *大池化 // 176
7.4.3 退出 // 176
7.5 構(gòu)建一個(gè)CNN // 176
7.5.1 反向傳播 // 180
7.6 運(yùn)行神經(jīng)網(wǎng)絡(luò) // 182
7.7 測(cè)試 // 186
7.7.1 準(zhǔn)確率 // 188
7.8 小結(jié) // 189
第8章 基本人臉檢測(cè) // 190
8.1 什么是人臉 // 190
8.1.1 Viola-Jones // 191
8.2 PICO // 194
8.2.1 關(guān)于學(xué)習(xí)的注意事項(xiàng) // 194
8.3 GoCV // 195
8.3.1 API // 195
8.4 PIGO // 195
8.5 人臉檢測(cè)程序 // 196
8.5.1 從網(wǎng)絡(luò)攝像頭獲取圖像 // 196
8.5.2 圖像顯示 // 197
8.5.3 在圖像上涂鴉 // 198
8.5.4 人臉檢測(cè)1 // 198
8.5.5 人臉檢測(cè)2 // 200
8.5.6 算法結(jié)合 // 205
8.6 算法評(píng)估 // 206
8.7 小結(jié) // 208
第9章 熱狗或者不是熱狗———使用外部服務(wù) // 209
9.1 MachineBox // 209
9.2 什么是MachineBox // 210
9.2.1 登錄和注冊(cè) // 210
9.2.2 Docker安裝與設(shè)置 // 211
9.2.3 在Go語(yǔ)言中使用 MachineBox // 211
9.3 項(xiàng)目 // 212
展開全部
書友推薦
- >
名家?guī)阕x魯迅:朝花夕拾
- >
苦雨齋序跋文-周作人自編集
- >
龍榆生：詞曲概論/大家小書
- >
史學(xué)評(píng)論
- >
我與地壇
- >
月亮與六便士
- >
小考拉的故事-套裝共3冊(cè)
- >
李白與唐代文化
本類暢銷
