中圖網(wǎng)小程序
一鍵登錄
更方便
包郵 Python無監(jiān)督機(jī)器學(xué)習(xí)最佳實(shí)踐
開本：
23cm
頁數(shù)：
16,373頁
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):¥83.9
加入購物車
Python無監(jiān)督機(jī)器學(xué)習(xí)最佳實(shí)踐 版權(quán)信息
- ISBN：9787302557685
- 條形碼：9787302557685 ; 978-7-302-55768-5
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>
Python無監(jiān)督機(jī)器學(xué)習(xí)最佳實(shí)踐 本書特色
在沒有標(biāo)簽數(shù)據(jù)的情況下，無監(jiān)督學(xué)習(xí)是一種有效且實(shí)用的解決方案。 本書將指導(dǎo)讀者完成使用Python進(jìn)行無監(jiān)督學(xué)習(xí)的*佳實(shí)踐，以結(jié)合使用無監(jiān)督學(xué)習(xí)技術(shù)和Python庫從非結(jié)構(gòu)化數(shù)據(jù)中提取有意義的信息。本書首先說明了基本聚類如何在數(shù)據(jù)集中查找相似的數(shù)據(jù)點(diǎn)。精通k均值算法及其操作原理后，讀者將了解什么是降維（Dimensionality Reduction）以及在哪里應(yīng)用。隨著學(xué)習(xí)的深入，讀者還將掌握各種神經(jīng)網(wǎng)絡(luò)技術(shù)以及了解如何通過它們改善自己的模型。在研究無監(jiān)督學(xué)習(xí)的應(yīng)用程序時(shí)，我們還將學(xué)習(xí)如何挖掘Twitter上流行的主題。開發(fā)人員可以通過進(jìn)行各種有趣的活動(dòng)來挑戰(zhàn)自己（例如，進(jìn)行購物籃分析以確定不同產(chǎn)品之間的關(guān)系），從而完成本書的學(xué)習(xí)。 學(xué)習(xí)完本書，讀者將具備使用Python自信地構(gòu)建自己的模型所需的技能。
Python無監(jiān)督機(jī)器學(xué)習(xí)最佳實(shí)踐 內(nèi)容簡(jiǎn)介
本書詳細(xì)闡述了與無監(jiān)督機(jī)器學(xué)習(xí)開發(fā)相關(guān)的基本解決方案, 主要包括聚類、分層聚類、鄰域聚類方法和DBSCAN、降維和PCA、自動(dòng)編碼器、t分布隨機(jī)鄰域嵌入算法、主題建模、購物籃分析、熱點(diǎn)分析等內(nèi)容。此外, 本書還提供了相應(yīng)的示例、代碼, 以幫助讀者進(jìn)一步理解相關(guān)方案的實(shí)現(xiàn)過程。
Python無監(jiān)督機(jī)器學(xué)習(xí)最佳實(shí)踐 目錄
第1章 聚類
1．1 簡(jiǎn)介
1．2 無監(jiān)督學(xué)習(xí)與有監(jiān)督學(xué)習(xí)
1．3 聚類的識(shí)別
1．3．1 識(shí)別聚類
1．3．2 二維數(shù)據(jù)
1．3．3 練習(xí)1：識(shí)別數(shù)據(jù)中的聚類
1．4 關(guān)于k均值聚類
1．4．1 無數(shù)學(xué)k均值演練
1．4．2 對(duì)于k均值聚類的深度演練
1．4．3 替代距離度量——曼哈頓距離
1．4．4 更深的維度
1．4．5 練習(xí)2：用Python計(jì)算歐幾里得距離
1．4．6 練習(xí)3：以距離的概念形成聚類
1．4．7 練習(xí)4：從頭開始實(shí)現(xiàn)k均值
1．4．8 練習(xí)5：通過優(yōu)化實(shí)現(xiàn)k均值
1．4．9 聚類性能：輪廓分?jǐn)?shù)
1．4．10 練習(xí)6：計(jì)算輪廓分?jǐn)?shù)
1．4．11 活動(dòng)1：實(shí)現(xiàn)k均值聚類
1．5 小結(jié)
第2章 分層聚類
2．1 介紹
2．2 聚類刷新
2．3 分層的組織結(jié)構(gòu)
2．4 分層聚類簡(jiǎn)介
2．4．1 執(zhí)行分層聚類的步驟
2．4．2 分層聚類的演練示例
2．4．3 練習(xí)7：建立分層結(jié)構(gòu)
2．5 鏈接
2．5．1 鏈接概述
2．5．2 活動(dòng)2：應(yīng)用鏈接標(biāo)準(zhǔn)
2．6 凝聚分層聚類與分裂分層聚類
2．6．1 練習(xí)8：使用scikit-learn實(shí)現(xiàn)凝聚分層聚類
2．6．2 活動(dòng)3：比較k均值和分層聚類
2．7 關(guān)于k均值與分層聚類
2．8 小結(jié)
第3章 鄰域聚類方法和DBSCAN
3．1 介紹
3．1．1 聚類方法
3．1．2 作為鄰域的聚類
3．2 關(guān)于DBSCAN
3．2．1 DBSCAN深度
3．2．2 DBSCAN算法的演練
3．2．3 練習(xí)9：評(píng)估鄰域半徑大小的影響
3．2．4 DBSCAN屬性——鄰域半徑
3．2．5 活動(dòng)4：從頭開始實(shí)現(xiàn)DBSCAN
3．2．6 DBSCAN屬性——*少點(diǎn)
3．2．7 練習(xí)10：評(píng)估*少點(diǎn)閾值的影響
3．2．8 活動(dòng)5：比較DBSCAN與k均值和分層聚類
3．3 DBSCAN與k均值和分層聚類
3．4 小結(jié)
第4章 降維和PCA
4．1 介紹
4．1．1 降維的定義
4．1．2 降維的應(yīng)用
4．1．3 維數(shù)的詛咒
4．2 降維技術(shù)
4．2．1 概述
……
第5章 自動(dòng)編碼器
第6章 t分布隨機(jī)鄰域嵌入算法
第7章 主題建模
第8章 購物籃分析
第9章 熱點(diǎn)分析
附錄
展開全部
書友推薦
- >
回憶愛瑪儂
- >
李白與唐代文化
- >
羅庸西南聯(lián)大授課錄
- >
小考拉的故事-套裝共3冊(cè)
- >
史學(xué)評(píng)論
- >
羅曼·羅蘭讀書隨筆-精裝
- >
名家?guī)阕x魯迅:故事新編
- >
名家?guī)阕x魯迅:朝花夕拾
本類暢銷
