掃一掃
關(guān)注中圖網(wǎng)
官方微博
包郵 圖解機(jī)器學(xué)習(xí)算法(全彩印刷)/圖靈程序設(shè)計(jì)叢書
開本：
24開
頁數(shù)：
181
本類五星書更多>
-
>
全國計(jì)算機(jī)等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達(dá))
-
>
軟件性能測試.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)
圖解機(jī)器學(xué)習(xí)算法(全彩印刷)/圖靈程序設(shè)計(jì)叢書 版權(quán)信息
- ISBN：9787115563569
- 條形碼：9787115563569 ; 978-7-115-56356-9
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
圖解機(jī)器學(xué)習(xí)算法(全彩印刷)/圖靈程序設(shè)計(jì)叢書 本書特色
152張圖表，輕松掌握17種常用算法！ 沒有復(fù)雜公式，零基礎(chǔ)也可輕松讀懂！ 1.全面 網(wǎng)羅有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的17種算法，涉及回歸、分類、降維、聚類等問題。 2.直觀 全彩圖解，讓原本抽象復(fù)雜的算法變得一目了然，方便讀者快速了解各算法的特征，學(xué)會(huì)如何選擇恰當(dāng)?shù)乃惴ā?3.易懂 幾乎沒有數(shù)學(xué)公式和統(tǒng)計(jì)術(shù)語，零基礎(chǔ)也可輕松讀懂。 4.實(shí)現(xiàn) 各算法均用Python代碼實(shí)現(xiàn)，基于Python 3.7版本，讀者可下載配套代碼資源，邊試邊學(xué)。
圖解機(jī)器學(xué)習(xí)算法(全彩印刷)/圖靈程序設(shè)計(jì)叢書 內(nèi)容簡介
本書基于豐富的圖示，詳細(xì)介紹了有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的17種算法，包括線性回歸、正則化、邏輯回歸、支持向量機(jī)、核方法、樸素貝葉斯、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)、KNN、PCA、LSA、NMF、LDA、k-means算法、混合高斯分布、LLE和t-SNE。書中針對各算法均用Python代碼進(jìn)行了實(shí)現(xiàn)，讀者可一邊運(yùn)行代碼一邊閱讀，從而加深對算法的理解。
圖解機(jī)器學(xué)習(xí)算法(全彩印刷)/圖靈程序設(shè)計(jì)叢書 目錄
第 1章
機(jī)器學(xué)習(xí)基礎(chǔ) 1
1．1 機(jī)器學(xué)習(xí)概要 2
什么是機(jī)器學(xué)習(xí) 2
機(jī)器學(xué)習(xí)的種類 3
機(jī)器學(xué)習(xí)的應(yīng)用 8
1．2 機(jī)器學(xué)習(xí)的步驟 9
數(shù)據(jù)的重要性 9
有監(jiān)督學(xué)習(xí)（分類）的例子 11
無監(jiān)督學(xué)習(xí)（聚類）的例子 16
可視化 18
圖形的種類和畫法：使用Matplotlib顯示圖形的方法 22
使用pandas理解和處理數(shù)據(jù) 30
本章小結(jié) 36
第 2章
有監(jiān)督學(xué)習(xí) 37
2．1 算法1：線性回歸 38
概述 38
算法說明 39
詳細(xì)說明 41
2．2 算法2：正則化 45
概述 45
算法說明 48
詳細(xì)說明 50
2．3 算法3：邏輯回歸 52
概述 52
算法說明 53
詳細(xì)說明 55
2．4 算法4：支持向量機(jī) 58
概述 58
算法說明 59
詳細(xì)說明 60
2．5 算法5：支持向量機(jī)（核方法） 63
概述 63
算法說明 64
詳細(xì)說明 65
2．6 算法6：樸素貝葉斯 68
概述 68
算法說明 70
詳細(xì)說明 74
2．7 算法7：隨機(jī)森林 76
概述 76
算法說明 77
詳細(xì)說明 80
2．8 算法8：神經(jīng)網(wǎng)絡(luò) 81
概述 81
算法說明 83
詳細(xì)說明 86
2．9 算法9：KNN 88
概述 88
算法說明 89
詳細(xì)說明 90
第3章
無監(jiān)督學(xué)習(xí) 93
3．1 算法10：PCA 94
概述 94
算法說明 95
詳細(xì)說明 98
3．2 算法11：LSA 99
概述 99
算法說明 100
詳細(xì)說明 104
3．3 算法12：NMF 105
概述 105
算法說明 106
詳細(xì)說明 108
3．4 算法13：LDA 111
概述 111
算法說明 112
詳細(xì)說明 114
3．5 算法14：k-means算法 117
概述 117
算法說明 117
詳細(xì)說明 119
3．6 算法15：混合高斯分布 122
概述 122
算法說明 123
詳細(xì)說明 126
3．7 算法16：LLE 127
概述 127
算法說明 128
詳細(xì)說明 131
3．8 算法17：t-SNE 133
概述 133
算法說明 134
詳細(xì)說明 136
第4章
評估方法和各種數(shù)據(jù)的處理 139
4．1 評估方法 140
有監(jiān)督學(xué)習(xí)的評估 140
分類問題的評估方法 140
回歸問題的評估方法 148
均方誤差和決定系數(shù)指標(biāo)的不同 152
與其他算法進(jìn)行比較 152
超參數(shù)的設(shè)置 154
模型的過擬合 155
防止過擬合的方法 155
將數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)和驗(yàn)證數(shù)據(jù) 156
交叉驗(yàn)證 158
搜索超參數(shù) 160
4．2 文本數(shù)據(jù)的轉(zhuǎn)換處理 163
基于單詞出現(xiàn)次數(shù)的轉(zhuǎn)換 163
基于tf-idf的轉(zhuǎn)換 164
應(yīng)用于機(jī)器學(xué)習(xí)模型 165
4．3 圖像數(shù)據(jù)的轉(zhuǎn)換處理 167
直接將像素信息作為數(shù)值使用 167
將轉(zhuǎn)換后的向量數(shù)據(jù)作為輸入來應(yīng)用機(jī)器學(xué)習(xí)模型 168
第5章
環(huán)境搭建 171
5．1 Python 3的安裝 172
Windows 172
macOS 172
Linux 173
使用Anaconda在Windows上安裝 174
5．2 虛擬環(huán)境 175
通過官方安裝程序安裝Python的情況 175
通過Anaconda安裝Python的情況 177
5．3 第三方包的安裝 178
什么是第三方包 178
安裝第三方包的方法 178
參考文獻(xiàn) 180
機(jī)器學(xué)習(xí)基礎(chǔ) 1
1．1 機(jī)器學(xué)習(xí)概要 2
什么是機(jī)器學(xué)習(xí) 2
機(jī)器學(xué)習(xí)的種類 3
機(jī)器學(xué)習(xí)的應(yīng)用 8
1．2 機(jī)器學(xué)習(xí)的步驟 9
數(shù)據(jù)的重要性 9
有監(jiān)督學(xué)習(xí)（分類）的例子 11
無監(jiān)督學(xué)習(xí)（聚類）的例子 16
可視化 18
圖形的種類和畫法：使用Matplotlib顯示圖形的方法 22
使用pandas理解和處理數(shù)據(jù) 30
本章小結(jié) 36
第 2章
有監(jiān)督學(xué)習(xí) 37
2．1 算法1：線性回歸 38
概述 38
算法說明 39
詳細(xì)說明 41
2．2 算法2：正則化 45
概述 45
算法說明 48
詳細(xì)說明 50
2．3 算法3：邏輯回歸 52
概述 52
算法說明 53
詳細(xì)說明 55
2．4 算法4：支持向量機(jī) 58
概述 58
算法說明 59
詳細(xì)說明 60
2．5 算法5：支持向量機(jī)（核方法） 63
概述 63
算法說明 64
詳細(xì)說明 65
2．6 算法6：樸素貝葉斯 68
概述 68
算法說明 70
詳細(xì)說明 74
2．7 算法7：隨機(jī)森林 76
概述 76
算法說明 77
詳細(xì)說明 80
2．8 算法8：神經(jīng)網(wǎng)絡(luò) 81
概述 81
算法說明 83
詳細(xì)說明 86
2．9 算法9：KNN 88
概述 88
算法說明 89
詳細(xì)說明 90
第3章
無監(jiān)督學(xué)習(xí) 93
3．1 算法10：PCA 94
概述 94
算法說明 95
詳細(xì)說明 98
3．2 算法11：LSA 99
概述 99
算法說明 100
詳細(xì)說明 104
3．3 算法12：NMF 105
概述 105
算法說明 106
詳細(xì)說明 108
3．4 算法13：LDA 111
概述 111
算法說明 112
詳細(xì)說明 114
3．5 算法14：k-means算法 117
概述 117
算法說明 117
詳細(xì)說明 119
3．6 算法15：混合高斯分布 122
概述 122
算法說明 123
詳細(xì)說明 126
3．7 算法16：LLE 127
概述 127
算法說明 128
詳細(xì)說明 131
3．8 算法17：t-SNE 133
概述 133
算法說明 134
詳細(xì)說明 136
第4章
評估方法和各種數(shù)據(jù)的處理 139
4．1 評估方法 140
有監(jiān)督學(xué)習(xí)的評估 140
分類問題的評估方法 140
回歸問題的評估方法 148
均方誤差和決定系數(shù)指標(biāo)的不同 152
與其他算法進(jìn)行比較 152
超參數(shù)的設(shè)置 154
模型的過擬合 155
防止過擬合的方法 155
將數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)和驗(yàn)證數(shù)據(jù) 156
交叉驗(yàn)證 158
搜索超參數(shù) 160
4．2 文本數(shù)據(jù)的轉(zhuǎn)換處理 163
基于單詞出現(xiàn)次數(shù)的轉(zhuǎn)換 163
基于tf-idf的轉(zhuǎn)換 164
應(yīng)用于機(jī)器學(xué)習(xí)模型 165
4．3 圖像數(shù)據(jù)的轉(zhuǎn)換處理 167
直接將像素信息作為數(shù)值使用 167
將轉(zhuǎn)換后的向量數(shù)據(jù)作為輸入來應(yīng)用機(jī)器學(xué)習(xí)模型 168
第5章
環(huán)境搭建 171
5．1 Python 3的安裝 172
Windows 172
macOS 172
Linux 173
使用Anaconda在Windows上安裝 174
5．2 虛擬環(huán)境 175
通過官方安裝程序安裝Python的情況 175
通過Anaconda安裝Python的情況 177
5．3 第三方包的安裝 178
什么是第三方包 178
安裝第三方包的方法 178
參考文獻(xiàn) 180
展開全部
圖解機(jī)器學(xué)習(xí)算法(全彩印刷)/圖靈程序設(shè)計(jì)叢書 作者簡介
秋庭伸也（作者）日本早稻田大學(xué)碩士畢業(yè)，目前在Recruit Communications公司擔(dān)任技術(shù)負(fù)責(zé)人。 杉山阿圣（作者）具有多年研發(fā)經(jīng)驗(yàn)，目前在AI創(chuàng)業(yè)公司SENSY擔(dān)任機(jī)器學(xué)習(xí)研究員。 寺田學(xué)（作者） CMS Communications公司董事長、日本PyCon會(huì)議組織者、Plone基金會(huì)大使、Python工程師發(fā)展協(xié)會(huì)顧問理事、PSF（Python軟件基金會(huì)）貢獻(xiàn)成員。鄭明智（譯者）智慧醫(yī)療工程師，翻譯經(jīng)驗(yàn)豐富，有《白話機(jī)器學(xué)習(xí)的數(shù)學(xué)》《用Python動(dòng)手學(xué)機(jī)器學(xué)習(xí)》等多部譯著。
書友推薦
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
【精裝繪本】畫給孩子的中國神話
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
- >
羅庸西南聯(lián)大授課錄
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
回憶愛瑪儂
- >
我與地壇
- >
唐代進(jìn)士錄
本類暢銷
