掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
機器學習簡明教程:基于Python語言實現 版權信息
- ISBN:9787111761006
- 條形碼:9787111761006 ; 978-7-111-76100-6
- 裝幀:平裝-膠訂
- 冊數:暫無
- 重量:暫無
- 所屬分類:>
機器學習簡明教程:基于Python語言實現 本書特色
本書遵循教指委相關指導文件和高等院校學生學習規律編寫而成。踐行四新理念,融入思政元素,注重理論與實踐相結合。
機器學習簡明教程:基于Python語言實現 內容簡介
本書圖文并茂、深入淺出地介紹了機器學習算法所需的數學、Python語言編程基礎知識,以及回歸模型、K 近鄰、K 均值、決策樹、弱學習器集成、人工神經網絡、深度學習等常用的機器學習算法。全書共10 章,每章習題中都配套了實驗練習環節,實驗內容包括Python 開發環境配置、機器學習算法的實際應用等,所有實驗都配有Jupyter 的Python 代碼,從而使讀者既能掌握算法理論原理,又能進行實際應用。
本書適合作為普通高等院校本科或研究生階段的人工智能、機器學習、數據挖掘等課程的教材,也適合作為自學的參考書。
機器學習簡明教程:基于Python語言實現 目錄
目錄
前言
第1章概述
1.1理解機器學習
1.2一些相關的概念
1.3機器學習的發展
1.4機器學習開發的準備工作
1.5本章小結
1.6習題
第2章基礎知識
2.1線性代數
2.2概率與統計
2.3優化
2.4Python編程基礎
2.5本章小結
2.6習題
第3章回歸分析
3.1模型
3.2線性回歸模型應用
3.3邏輯回歸
3.4本章小結
3.5習題
第4章基于距離的算法
4.1分類與聚類的區別
4.2距離度量問題
4.3K近鄰算法
4.4K均值聚類算法
4.5本章小結
4.6習題
第5章決策樹
5.1初識決策樹
5.2信息熵與信息增益
5.3決策樹
5.4CART
5.5本章小結
5.6習題
第6章弱學習器集成算法
6.13種常用的弱學習器集成方法
6.2AdaBoost算法與GBDT算法
6.3XGBoost算法
6.4本章小結
6.5習題
第7章支持向量機
7.1支持向量機的相關概念
7.2線性支持向量機
7.3非線性支持向量機
7.4軟間隔
7.5應用案例
7.6本章小結
7.7習題
第8章人工神經網絡
8.1人工智能的概念
8.2神經元模型
8.3多層神經網絡
8.4應用案例
8.5本章小結
8.6習題
第9章卷積神經網絡
9.1人類視覺系統的啟發
9.2CNN算法原理
9.3CNN應用
9.4本章小結
9.5習題
第10章用于處理時間序列的網絡
10.1序列
10.2循環神經網絡
10.3長短時記憶網絡
10.4本章小結
10.5習題
參考文獻
前言
第1章概述
1.1理解機器學習
1.2一些相關的概念
1.3機器學習的發展
1.4機器學習開發的準備工作
1.5本章小結
1.6習題
第2章基礎知識
2.1線性代數
2.2概率與統計
2.3優化
2.4Python編程基礎
2.5本章小結
2.6習題
第3章回歸分析
3.1模型
3.2線性回歸模型應用
3.3邏輯回歸
3.4本章小結
3.5習題
第4章基于距離的算法
4.1分類與聚類的區別
4.2距離度量問題
4.3K近鄰算法
4.4K均值聚類算法
4.5本章小結
4.6習題
第5章決策樹
5.1初識決策樹
5.2信息熵與信息增益
5.3決策樹
5.4CART
5.5本章小結
5.6習題
第6章弱學習器集成算法
6.13種常用的弱學習器集成方法
6.2AdaBoost算法與GBDT算法
6.3XGBoost算法
6.4本章小結
6.5習題
第7章支持向量機
7.1支持向量機的相關概念
7.2線性支持向量機
7.3非線性支持向量機
7.4軟間隔
7.5應用案例
7.6本章小結
7.7習題
第8章人工神經網絡
8.1人工智能的概念
8.2神經元模型
8.3多層神經網絡
8.4應用案例
8.5本章小結
8.6習題
第9章卷積神經網絡
9.1人類視覺系統的啟發
9.2CNN算法原理
9.3CNN應用
9.4本章小結
9.5習題
第10章用于處理時間序列的網絡
10.1序列
10.2循環神經網絡
10.3長短時記憶網絡
10.4本章小結
10.5習題
參考文獻
展開全部
書友推薦
- >
巴金-再思錄
- >
回憶愛瑪儂
- >
二體千字文
- >
羅庸西南聯大授課錄
- >
山海經
- >
經典常談
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
隨園食單
本類暢銷