掃一掃
關(guān)注中圖網(wǎng)
官方微博
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):¥67.8
加入購(gòu)物車
機(jī)器學(xué)習(xí)高級(jí)進(jìn)階 版權(quán)信息
- ISBN：9787122422620
- 條形碼：9787122422620 ; 978-7-122-42262-0
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
機(jī)器學(xué)習(xí)高級(jí)進(jìn)階 本書特色
適讀人群 ：本書適合有志于從事機(jī)器學(xué)習(xí)、人工智能技術(shù)開發(fā)的人員或愛好者使用，也可作為相關(guān)專業(yè)的教材。（1）內(nèi)容由淺入深，循序漸進(jìn)。一方面遵循了讀者對(duì)機(jī)器學(xué)習(xí)的認(rèn)知規(guī)律；另一方面也便于熟悉機(jī)器學(xué)習(xí)知識(shí)的學(xué)習(xí)者更深入地掌握和應(yīng)用Scikit-learn框架。 （2）語(yǔ)言通俗易懂，輕松易學(xué)，配以形象化的圖片和代碼，生動(dòng)地把講解內(nèi)容呈現(xiàn)給讀者，有效降低了學(xué)習(xí)的門檻。 （3）講解主干明確，脈絡(luò)清晰。貫穿主題算法，從集成學(xué)習(xí)、管道、交叉驗(yàn)證，到異常檢測(cè)和信號(hào)分解，層次分明。 （4）案例精挑細(xì)選，干貨多多。幾乎每種算法都給出詳細(xì)的使用案例，這些案例都是作者精心挑選和開發(fā)的，緊扣內(nèi)容，并提供了很多開發(fā)技巧，值得認(rèn)真閱讀。
機(jī)器學(xué)習(xí)高級(jí)進(jìn)階 內(nèi)容簡(jiǎn)介
本書是《Scikit-learn機(jī)器學(xué)習(xí)詳解》（潘風(fēng)文編著）的進(jìn)階篇，講解了Sklearn（Scikit-learn）機(jī)器學(xué)習(xí)框架的各種高級(jí)應(yīng)用技術(shù)，包括數(shù)據(jù)集導(dǎo)入工具、集成學(xué)習(xí)、模型選擇和交叉驗(yàn)證、異常檢測(cè)、管道、 信號(hào)分解、模型持久化以及Sklearn系統(tǒng)高級(jí)配置。通過(guò)本書的學(xué)習(xí)，讀者可快速掌握Sklearn框架的高級(jí)知識(shí)，邁入人工智能殿堂的大門。 本書適合有志于從事機(jī)器學(xué)習(xí)、人工智能技術(shù)開發(fā)的人員或愛好者使用，也可作為相關(guān)專業(yè)的教材。
機(jī)器學(xué)習(xí)高級(jí)進(jìn)階 目錄
1 機(jī)器學(xué)習(xí)概述 1
1.1 有監(jiān)督學(xué)習(xí)2
1.2 無(wú)監(jiān)督學(xué)習(xí)3
1.3 半監(jiān)督學(xué)習(xí)3
1.4 Sklearn概述4
2 數(shù)據(jù)集導(dǎo)入工具 6
2.1 通用數(shù)據(jù)集導(dǎo)入API7
2.1.1 數(shù)據(jù)集加載器7
2.1.2 數(shù)據(jù)集提取器8
2.1.3 數(shù)據(jù)集生成器10
2.1.4 文件導(dǎo)入方法11
2.2 專用數(shù)據(jù)集導(dǎo)入API14
2.2.1 加載樣本圖像數(shù)據(jù)集14
2.2.2 加載svmlight/libsvm格式數(shù)據(jù)集15
2.2.3 從openml.org 下載數(shù)據(jù)集16
2.3 加載外部數(shù)據(jù)集16
2.3.1 列表式數(shù)據(jù)讀取16
2.3.2 多媒體文件讀取17
3 集成學(xué)習(xí) 18
3.1 自助抽樣（bootstrap）19
3.2 自助聚合算法（bagging）20
3.2.1 標(biāo)準(zhǔn)自助聚合算法（Bagging）21
3.2.2 隨機(jī)森林（Random Forest）29
3.2.3 極端隨機(jī)樹（Extremely randomized trees）30
3.3 加速提升算法（boosting）30
3.3.1 自適應(yīng)提升算法（Adaboost）30
3.3.2 梯度提升樹算法（GBDT）38
3.4 投票集成算法（voting）49
3.5 堆棧泛化（stacking）56
4 模型選擇和交叉驗(yàn)證 62
4.1 交叉驗(yàn)證評(píng)估器64
4.1.1 交叉驗(yàn)證64
4.1.2 交叉驗(yàn)證生成器66
4.1.3 使用交叉驗(yàn)證70
4.2 度量指標(biāo)和評(píng)估（評(píng)分）75
4.2.1 評(píng)分參數(shù)scoring的設(shè)置76
4.2.2 啞分類評(píng)估器和啞回歸評(píng)估器86
4.3 模型超參數(shù)調(diào)優(yōu)90
4.3.1 窮盡網(wǎng)格超參數(shù)搜索91
4.3.2 隨機(jī)超參數(shù)搜索99
4.3.3 非暴力參數(shù)搜索方法101
4.3.4 貝葉斯優(yōu)化103
4.4 驗(yàn)證曲線104
4.4.1 交叉驗(yàn)證曲線105
4.4.2 學(xué)習(xí)曲線108
5 異常檢測(cè) 115
5.1 新穎點(diǎn)檢測(cè)117
5.2 離群點(diǎn)檢測(cè)123
5.2.1 橢圓包絡(luò)線算法123
5.2.2 孤立森林算法129
5.2.3 局部離群點(diǎn)因子算法130
6 管道 138
6.1 概念介紹139
6.1.1 評(píng)估器（estimator）139
6.1.2 轉(zhuǎn)換器（transformer）140
6.1.3 管道（pipeline）141
6.2 管道機(jī)制概述142
6.3 中間評(píng)估器及子管道148
6.3.1 獲取中間評(píng)估器148
6.3.2 獲取子管道對(duì)象149
6.3.3 設(shè)置評(píng)估器參數(shù)150
6.4 特征聚合轉(zhuǎn)換器150
6.5 列轉(zhuǎn)換機(jī)制154
6.5.1 數(shù)據(jù)泄露154
6.5.2 列轉(zhuǎn)換器155
6.6 模型選擇162
7 信號(hào)分解 164
7.1 主成分分析PCA165
7.2 核主成分分析KPCA173
7.3 字典學(xué)習(xí)180
7.3.1 預(yù)置字典編碼180
7.3.2 通用字典學(xué)習(xí)186
7.4 因子分析189
7.5 其他信號(hào)分解194
7.5.1 獨(dú)立成分分析195
7.5.2 非負(fù)矩陣分解196
7.5.3 隱含狄利克雷分布199
8 模型持久化 200
8.1 針對(duì)Python對(duì)象的序列化201
8.1.1 使用模塊pickle序列化201
8.1.2 使用模塊joblib序列化204
8.2 模型互操作方式205
9 Sklearn系統(tǒng)配置 210
9.1 系統(tǒng)環(huán)境變量211
9.2 運(yùn)行時(shí)環(huán)境變量211
后記 215
展開全部
書友推薦
- >
回憶愛瑪儂
- >
名家?guī)阕x魯迅:朝花夕拾
- >
月亮與六便士
- >
煙與鏡
- >
伯納黛特,你要去哪(2021新版)
- >
龍榆生：詞曲概論/大家小書
- >
巴金－再思錄
- >
名家?guī)阕x魯迅:故事新編
本類暢銷
