中圖網(wǎng)小程序
一鍵登錄
更方便
>
>>
PYTHON機(jī)器學(xué)習(xí):原理與實(shí)踐(第2版)(數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)叢書(shū))
包郵 PYTHON機(jī)器學(xué)習(xí):原理與實(shí)踐(第2版)(數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)叢書(shū))
作者：薛薇
開(kāi)本：
其他
頁(yè)數(shù)：
356
本類(lèi)榜單：教材銷(xiāo)量榜
本類(lèi)五星書(shū)更多>
-
>
闖進(jìn)數(shù)學(xué)世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當(dāng)代中國(guó)政府與政治(新編21世紀(jì)公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國(guó)特色社會(huì)主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學(xué)·全國(guó)中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
中圖價(jià):¥59.7
加入購(gòu)物車(chē)
PYTHON機(jī)器學(xué)習(xí):原理與實(shí)踐(第2版)(數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)叢書(shū)) 版權(quán)信息
- ISBN：9787300321059
- 條形碼：9787300321059 ; 978-7-300-32105-9
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類(lèi)：>>
PYTHON機(jī)器學(xué)習(xí):原理與實(shí)踐(第2版)(數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)叢書(shū)) 內(nèi)容簡(jiǎn)介
機(jī)器學(xué)習(xí)是數(shù)據(jù)科學(xué)不可或缺的重要組成部分，是數(shù)據(jù)科學(xué)人才培養(yǎng)的核心內(nèi)容之一。本書(shū)以機(jī)器學(xué)習(xí)理論+Python編程+應(yīng)用實(shí)踐的“三位一體”講解方式，引領(lǐng)讀者進(jìn)入Python機(jī)器學(xué)習(xí)領(lǐng)域。理論上，突出機(jī)器學(xué)習(xí)理論講解的可讀性并兼具知識(shí)的深度和廣度，旨在指導(dǎo)Python編程調(diào)參和實(shí)踐應(yīng)用；Python編程上，突出以數(shù)據(jù)和問(wèn)題為導(dǎo)向的Python學(xué)習(xí)路徑，借助基于模擬數(shù)據(jù)的編程直觀展示理論背后的樸素道理反芻理論理解，借助基于案例的編程完成機(jī)器學(xué)習(xí)的應(yīng)用落地；應(yīng)用實(shí)踐上，突出案例選擇的典型性、綜合性和多樣性，面向案例問(wèn)題凸顯機(jī)器學(xué)習(xí)理論的指導(dǎo)作用，面向案例實(shí)現(xiàn)提升Python編程能力。
本書(shū)提供配套數(shù)據(jù)集、Python源代碼等學(xué)習(xí)資源，可作為高等院校數(shù)據(jù)科學(xué)、人工智能等相關(guān)專(zhuān)業(yè)的機(jī)器學(xué)習(xí)教學(xué)用書(shū)，也可作為Python 機(jī)器學(xué)習(xí)應(yīng)用研究人員的參考用書(shū)。
PYTHON機(jī)器學(xué)習(xí):原理與實(shí)踐(第2版)(數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)叢書(shū)) 目錄
第1章 機(jī)器學(xué)習(xí)概述
1.1 機(jī)器學(xué)習(xí)的發(fā)展：人工智能中的機(jī)器學(xué)習(xí)
1.2 機(jī)器學(xué)習(xí)中的數(shù)據(jù)
1.3 機(jī)器學(xué)習(xí)的任務(wù)
第2章 Python機(jī)器學(xué)習(xí)基礎(chǔ)
2.1 Python：機(jī)器學(xué)習(xí)的首選工具
2.2 Python的集成開(kāi)發(fā)環(huán)境：Anaconda
2.3 Python第三方程序包的引用
2.4 NumPy使用示例
2.5 Pandas使用示例
2.6 NumPy和Pandas的綜合應(yīng)用：空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)的預(yù)處理
和基本分析
2.7 Matplotlib的綜合應(yīng)用：空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)的圖形化展示
第3章 數(shù)據(jù)預(yù)測(cè)中的相關(guān)問(wèn)題
3.1 線性回歸預(yù)測(cè)模型
3.2 認(rèn)識(shí)線性分類(lèi)預(yù)測(cè)模型
3.3 從線性預(yù)測(cè)模型到非線性預(yù)測(cè)模型
3.4 預(yù)測(cè)模型的參數(shù)估計(jì)
3.5 預(yù)測(cè)模型的選擇
第4章 數(shù)據(jù)預(yù)測(cè)建模：貝葉斯分類(lèi)器
4.1 貝葉斯概率和貝葉斯法則
4.2 樸素貝葉斯分類(lèi)器
4.3 樸素貝葉斯分類(lèi)器在文本分類(lèi)中的應(yīng)用
第5章 數(shù)據(jù)預(yù)測(cè)建模：近鄰分析
5.1 近鄰分析：K- 近鄰法
5.2 回歸預(yù)測(cè)中的K- 近鄰法
5.3 分類(lèi)預(yù)測(cè)中的K- 近鄰法
5.4 基于觀測(cè)相似性的加權(quán)K- 近鄰法
5.5 K- 近鄰法的Python應(yīng)用實(shí)踐
第6章 數(shù)據(jù)預(yù)測(cè)建模：決策樹(shù)
6.1 決策樹(shù)的基本概念
6.2 回歸預(yù)測(cè)中的決策樹(shù)
6.3 分類(lèi)預(yù)測(cè)中的決策樹(shù)
6.4 決策樹(shù)的生長(zhǎng)和剪枝
6.5 經(jīng)典決策樹(shù)算法：分類(lèi)回歸樹(shù)
6.6 決策樹(shù)的Python 應(yīng)用實(shí)踐
第7章 數(shù)據(jù)預(yù)測(cè)建模：集成學(xué)習(xí)
7.1 集成學(xué)習(xí)概述
7.2 基于重抽樣自舉法的集成學(xué)習(xí)
7.3 從弱模型到強(qiáng)模型的構(gòu)建：提升法
7.4 梯度提升樹(shù)
7.5 XGBoost算法
第8章 數(shù)據(jù)預(yù)測(cè)建模：人工神經(jīng)網(wǎng)絡(luò)
8.1 人工神經(jīng)網(wǎng)絡(luò)的基本概念
8.2 感知機(jī)網(wǎng)絡(luò)
8.3 多層感知機(jī)網(wǎng)絡(luò)
8.4 B-P反向傳播算法
8.5 人工神經(jīng)網(wǎng)絡(luò)的Python應(yīng)用實(shí)踐
第9章 數(shù)據(jù)預(yù)測(cè)建模：支持向量機(jī)
9.1 支持向量分類(lèi)概述
9.2 完全線性可分時(shí)的支持向量分類(lèi)
9.3 廣義線性可分時(shí)的支持向量分類(lèi)
9.4 線性不可分時(shí)的支持向量分類(lèi)
9.5 支持向量機(jī)的Python應(yīng)用實(shí)踐：老年人危險(xiǎn)體位預(yù)警
第10章 特征選擇：過(guò)濾、包裹和嵌入策略
10.1 過(guò)濾式策略下的特征選擇
10.2 包裹式策略下的特征選擇
10.3 嵌入式策略下的特征選擇
第11章 特征提取：空間變換策略
11.1 主成分分析
11.2 矩陣的奇異值分解
11.3 因子分析
第12章 揭示數(shù)據(jù)內(nèi)在結(jié)構(gòu)：聚類(lèi)分析
12.1 聚類(lèi)分析概述
12.2 基于質(zhì)心的聚類(lèi)模型：K-均值聚類(lèi)
12.3 基于聯(lián)通性的聚類(lèi)模型：系統(tǒng)聚類(lèi)
12.4 基于密度的聚類(lèi)：DBSCAN聚類(lèi)
12.5 聚類(lèi)分析的Python應(yīng)用實(shí)踐：環(huán)境污染的區(qū)域特征分析
1.1 機(jī)器學(xué)習(xí)的發(fā)展：人工智能中的機(jī)器學(xué)習(xí)
1.2 機(jī)器學(xué)習(xí)中的數(shù)據(jù)
1.3 機(jī)器學(xué)習(xí)的任務(wù)
第2章 Python機(jī)器學(xué)習(xí)基礎(chǔ)
2.1 Python：機(jī)器學(xué)習(xí)的首選工具
2.2 Python的集成開(kāi)發(fā)環(huán)境：Anaconda
2.3 Python第三方程序包的引用
2.4 NumPy使用示例
2.5 Pandas使用示例
2.6 NumPy和Pandas的綜合應(yīng)用：空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)的預(yù)處理
和基本分析
2.7 Matplotlib的綜合應(yīng)用：空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)的圖形化展示
第3章 數(shù)據(jù)預(yù)測(cè)中的相關(guān)問(wèn)題
3.1 線性回歸預(yù)測(cè)模型
3.2 認(rèn)識(shí)線性分類(lèi)預(yù)測(cè)模型
3.3 從線性預(yù)測(cè)模型到非線性預(yù)測(cè)模型
3.4 預(yù)測(cè)模型的參數(shù)估計(jì)
3.5 預(yù)測(cè)模型的選擇
第4章 數(shù)據(jù)預(yù)測(cè)建模：貝葉斯分類(lèi)器
4.1 貝葉斯概率和貝葉斯法則
4.2 樸素貝葉斯分類(lèi)器
4.3 樸素貝葉斯分類(lèi)器在文本分類(lèi)中的應(yīng)用
第5章 數(shù)據(jù)預(yù)測(cè)建模：近鄰分析
5.1 近鄰分析：K- 近鄰法
5.2 回歸預(yù)測(cè)中的K- 近鄰法
5.3 分類(lèi)預(yù)測(cè)中的K- 近鄰法
5.4 基于觀測(cè)相似性的加權(quán)K- 近鄰法
5.5 K- 近鄰法的Python應(yīng)用實(shí)踐
第6章 數(shù)據(jù)預(yù)測(cè)建模：決策樹(shù)
6.1 決策樹(shù)的基本概念
6.2 回歸預(yù)測(cè)中的決策樹(shù)
6.3 分類(lèi)預(yù)測(cè)中的決策樹(shù)
6.4 決策樹(shù)的生長(zhǎng)和剪枝
6.5 經(jīng)典決策樹(shù)算法：分類(lèi)回歸樹(shù)
6.6 決策樹(shù)的Python 應(yīng)用實(shí)踐
第7章 數(shù)據(jù)預(yù)測(cè)建模：集成學(xué)習(xí)
7.1 集成學(xué)習(xí)概述
7.2 基于重抽樣自舉法的集成學(xué)習(xí)
7.3 從弱模型到強(qiáng)模型的構(gòu)建：提升法
7.4 梯度提升樹(shù)
7.5 XGBoost算法
第8章 數(shù)據(jù)預(yù)測(cè)建模：人工神經(jīng)網(wǎng)絡(luò)
8.1 人工神經(jīng)網(wǎng)絡(luò)的基本概念
8.2 感知機(jī)網(wǎng)絡(luò)
8.3 多層感知機(jī)網(wǎng)絡(luò)
8.4 B-P反向傳播算法
8.5 人工神經(jīng)網(wǎng)絡(luò)的Python應(yīng)用實(shí)踐
第9章 數(shù)據(jù)預(yù)測(cè)建模：支持向量機(jī)
9.1 支持向量分類(lèi)概述
9.2 完全線性可分時(shí)的支持向量分類(lèi)
9.3 廣義線性可分時(shí)的支持向量分類(lèi)
9.4 線性不可分時(shí)的支持向量分類(lèi)
9.5 支持向量機(jī)的Python應(yīng)用實(shí)踐：老年人危險(xiǎn)體位預(yù)警
第10章 特征選擇：過(guò)濾、包裹和嵌入策略
10.1 過(guò)濾式策略下的特征選擇
10.2 包裹式策略下的特征選擇
10.3 嵌入式策略下的特征選擇
第11章 特征提取：空間變換策略
11.1 主成分分析
11.2 矩陣的奇異值分解
11.3 因子分析
第12章 揭示數(shù)據(jù)內(nèi)在結(jié)構(gòu)：聚類(lèi)分析
12.1 聚類(lèi)分析概述
12.2 基于質(zhì)心的聚類(lèi)模型：K-均值聚類(lèi)
12.3 基于聯(lián)通性的聚類(lèi)模型：系統(tǒng)聚類(lèi)
12.4 基于密度的聚類(lèi)：DBSCAN聚類(lèi)
12.5 聚類(lèi)分析的Python應(yīng)用實(shí)踐：環(huán)境污染的區(qū)域特征分析
展開(kāi)全部
PYTHON機(jī)器學(xué)習(xí):原理與實(shí)踐(第2版)(數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)叢書(shū)) 作者簡(jiǎn)介
薛薇，中國(guó)人民大學(xué)統(tǒng)計(jì)學(xué)院副教授，中國(guó)人民大學(xué)應(yīng)用統(tǒng)計(jì)科學(xué)研究中心研究員。所著著作曾入選“十二五”普通高等教育本科國(guó)家級(jí)規(guī)劃教材、北京市高等教育精品教材。主要開(kāi)設(shè)課程包括機(jī)器學(xué)習(xí)、統(tǒng)計(jì)分析軟件等。研究方向?yàn)闄C(jī)器學(xué)習(xí)與深度學(xué)習(xí)算法及應(yīng)用研究。
書(shū)友推薦
- >
煙與鏡
- >
詩(shī)經(jīng)-先民的歌唱
- >
【精裝繪本】畫(huà)給孩子的中國(guó)神話
- >
企鵝口袋書(shū)系列·偉大的思想20:論自然選擇(英漢雙語(yǔ))
- >
史學(xué)評(píng)論
- >
小考拉的故事-套裝共3冊(cè)
- >
唐代進(jìn)士錄
- >
羅曼·羅蘭讀書(shū)隨筆-精裝
本類(lèi)暢銷(xiāo)
