掃一掃
關(guān)注中圖網(wǎng)
官方微博
Python統(tǒng)計(jì)機(jī)器學(xué)習(xí) 版權(quán)信息
- ISBN：9787522615011
- 條形碼：9787522615011 ; 978-7-5226-1501-1
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
Python統(tǒng)計(jì)機(jī)器學(xué)習(xí) 本書特色
讀者對象：想學(xué)習(xí)人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、統(tǒng)計(jì)分析、數(shù)據(jù)分析的所有人員。
要想熟練使用機(jī)器學(xué)習(xí)，理解基于概率、統(tǒng)計(jì)的數(shù)據(jù)分析基礎(chǔ)理論是不可或缺的。因此，本書從Python的簡單使用方法開始講解了概率、統(tǒng)計(jì)的基礎(chǔ)知識(shí)，以及基于統(tǒng)計(jì)模型的機(jī)器學(xué)習(xí)方法，涵蓋回歸分析、聚類分析、支持向量機(jī)、稀疏學(xué)習(xí)、決策樹、集成學(xué)習(xí)、高斯過程模型、密度比估計(jì)等，內(nèi)容比較全面，可以讓讀者很好地了解和掌握Python在統(tǒng)計(jì)機(jī)器學(xué)習(xí)中的應(yīng)用方法。
Python統(tǒng)計(jì)機(jī)器學(xué)習(xí) 內(nèi)容簡介
《Python統(tǒng)計(jì)機(jī)器學(xué)習(xí)》以 Python為工具，詳細(xì)介紹了機(jī)器學(xué)習(xí)中統(tǒng)計(jì)分析技術(shù)和數(shù)據(jù)分析基礎(chǔ)知識(shí)。全書共分三部分，**部分介紹了Python中的基本運(yùn)算方法和概率的相關(guān)基礎(chǔ)概念。第二部分介紹了統(tǒng)計(jì)分析的基礎(chǔ)知識(shí)，內(nèi)容涵蓋機(jī)器學(xué)習(xí)的問題設(shè)置、定量評價(jià)各種數(shù)據(jù)分析結(jié)果的框架，并簡明描述數(shù)據(jù)的主成分分析方法、統(tǒng)計(jì)建模的思路及假設(shè)檢驗(yàn)的標(biāo)準(zhǔn)等統(tǒng)計(jì)學(xué)知識(shí)。第三部分介紹了在機(jī)器學(xué)習(xí)中的各種方法，包括回歸分析、聚類分析支持向量機(jī)、稀疏學(xué)習(xí)、決策樹、集成學(xué)習(xí)、高斯過程模型及密度比估計(jì)等方法，*后還特別介紹了深度學(xué)習(xí)的貝葉斯優(yōu)化方法。
《Python統(tǒng)計(jì)機(jī)器學(xué)習(xí)》內(nèi)容豐富，圖文并茂，特別適合想學(xué)習(xí)數(shù)據(jù)分析、統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的人員參考學(xué)習(xí)。
Python統(tǒng)計(jì)機(jī)器學(xué)習(xí) 目錄
**部分 基于Python的計(jì)算
第1章 Python基礎(chǔ)
1.1 啟動(dòng)與加載軟件包
1.2 基于Python的運(yùn)算
1.3 函數(shù)與控制語句
1.4 繪圖
第2章 概率的計(jì)算
2.1 概率的基本概念
2.2 樣本空間和概率分布
2.3 連續(xù)隨機(jī)變量和概率密度函數(shù)/分布函數(shù)
2.4 期望值和方差
2.5 分位點(diǎn)
2.6 多維隨機(jī)變量
2.7 獨(dú)立性
2.8 協(xié)方差和相關(guān)系數(shù)
2.9 條件概率和貝葉斯公式
第二部分 統(tǒng)計(jì)分析的基礎(chǔ)
第3章 機(jī)器學(xué)習(xí)的問題設(shè)置
3.1 有監(jiān)督學(xué)習(xí)
3.1.1 分類問題
3.1.2 回歸分析
3.2 無監(jiān)督學(xué)習(xí)
3.2.1 特征提取
3.2.2 分布估計(jì)
3.3 損失函數(shù)的 小化和機(jī)器學(xué)習(xí)算法
第4章 統(tǒng)計(jì)準(zhǔn)確度的評估
4.1 損失函數(shù)及訓(xùn)練誤差/測試誤差
4.2 測試誤差的估計(jì)：交叉驗(yàn)證法
4.3 ROC曲線和AUC方法
4.3.1 定義
4.3.2 AUC與測試誤差
第5章 數(shù)據(jù)整理與特征提取
5.1 主成分分析
5.2 因子分析
5.3 多維尺度變換
第6章 基于統(tǒng)計(jì)模型的學(xué)習(xí)
6.1 統(tǒng)計(jì)模型
6.2 統(tǒng)計(jì)的估計(jì)
6.3 極大似然估計(jì)
6.4 極大似然估計(jì)量的計(jì)算方法
6.4.1 示例：均勻分布的參數(shù)估計(jì)
6.4.2 示例：統(tǒng)計(jì)模型的參數(shù)估計(jì)
6.5 貝葉斯估計(jì)
6.6 混合模型和EM算法
第7章 假設(shè)檢驗(yàn)
7.1 假設(shè)檢驗(yàn)的組成
7.2 非參數(shù)檢驗(yàn)
7.3 方差分析
第三部分 機(jī)器學(xué)習(xí)的方法
第8章 回歸分析的基礎(chǔ)
展開全部
Python統(tǒng)計(jì)機(jī)器學(xué)習(xí) 作者簡介
金森敬文
博士（學(xué)術(shù)）
東京工業(yè)大學(xué)信息理工學(xué)院教授
理化學(xué)研究所創(chuàng)新智能綜合研究中心組長
書友推薦
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
我與地壇
- >
有舍有得是人生
- >
羅曼·羅蘭讀書隨筆-精裝
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
- >
朝聞道
- >
煙與鏡
- >
【精裝繪本】畫給孩子的中國神話
本類暢銷
