|
-- 會員 / 註冊 --
|
|
|
|
Python機器學習經典實例 ( 簡體 字) |
作者:(美)普拉提克·喬西(Prateek Joshi) | 類別:1. -> 程式設計 -> Python 2. -> 程式設計 -> 機器學習 |
譯者: |
出版社:人民郵電出版社 | 3dWoo書號: 47464 詢問書籍請說出此書號!【缺書】 NT售價: 295 元 |
出版日:8/1/2017 |
頁數:244 |
光碟數:0 |
|
站長推薦: |
印刷:黑白印刷 | 語系: ( 簡體 版 ) |
|
加入購物車 │加到我的最愛 (請先登入會員) |
ISBN:9787115465276 |
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
作者序: |
譯者序: |
前言: |
內容簡介: |
目錄: 第1 章 監督學習 ............................................. 1
1.1 簡介 ................................................. 1
1.2 資料預處理技術 ....................................... 2
1.2.1 準備工作 ....................................... 2
1.2.2 詳細步驟 ....................................... 2
1.3 標記編碼方法 ........................................... 4
1.4 創建線性回歸器 ....................................... 6
1.4.1 準備工作 ....................................... 6
1.4.2 詳細步驟 ....................................... 7
1.5 計算回歸準確性 ....................................... 9
1.5.1 準備工作 ....................................... 9
1.5.2 詳細步驟 ...................................... 10
1.6 保存模型資料 .......................................... 10
1.7 創建嶺回歸器 .......................................... 11
1.7.1 準備工作 ...................................... 11
1.7.2 詳細步驟 ...................................... 12
1.8 創建多項式回歸器 .................................. 13
1.8.1 準備工作 ...................................... 13
1.8.2 詳細步驟 ...................................... 14
1.9 估算房屋價格 .......................................... 15
1.9.1 準備工作 ...................................... 15
1.9.2 詳細步驟 ...................................... 16
1.10 計算特徵的相對重要性 ......................... 17
1.11 評估共用單車的需求分佈 ..................... 19
1.11.1 準備工作 .................................. 19
1.11.2 詳細步驟 .................................. 19
1.11.3 更多內容 .................................. 21
第2 章 創建分類器 ........................................ 24
2.1 簡介 ........................................... 24
2.2 建立簡單分類器 ...................................... 25
2.2.1 詳細步驟 ...................................... 25
2.2.2 更多內容 ...................................... 27
2.3 建立邏輯回歸分類器 .............................. 27
2.4 建立樸素貝葉斯分類器 ........................... 31
2.5 將資料集分割成訓練集和測試集 ........... 32
2.6 用交叉驗證檢驗模型準確性 ................... 33
2.6.1 準備工作 ...................................... 34
2.6.2 詳細步驟 ...................................... 34
2.7 混淆矩陣視覺化 ...................................... 35
2.8 提取性能報告 .......................................... 37
2.9 根據汽車特徵評估品質 ........................... 38
2.9.1 準備工作 ...................................... 38
2.9.2 詳細步驟 ...................................... 38
2.10 生成驗證曲線 ........................................ 40
2.11 生成學習曲線 ........................................ 43
2.12 估算收入階層 ........................................ 45
第3 章 預測建模 ............................................ 48
3.1 簡介 ............................................ 48
3.2 用SVM 建立線性分類器 ........................ 49
3.2.1 準備工作 ...................................... 49
3.2.2 詳細步驟 ...................................... 50
3.3 用SVM 建立非線性分類器 .................... 53
3.4 解決類型數量不平衡問題 ....................... 55
3.5 提取置信度 .............................................. 58
3.6 尋找最優超參數 ...................................... 60
3.7 建立事件預測器 ...................................... 62
3.7.1 準備工作 ...................................... 62
3.7.2 詳細步驟 ...................................... 62
3.8 估算交通流量 .......................................... 64
3.8.1 準備工作 ...................................... 64
3.8.2 詳細步驟 ...................................... 64
第4 章 無監督學習——聚類....................... 67
4.1 簡介 ....................................... 67
4.2 用k-means 演算法聚類資料 ....................... 67
4.3 用向量量化壓縮圖片 .............................. 70
4.4 建立均值漂移聚類模型 ........................... 74
4.5 用凝聚層次聚類進行資料分組 ............... 76
4.6 評價聚類演算法的聚類效果 ....................... 79
4.7 用DBSCAN 演算法自動估算集群數量 ..... 82
4.8 探索股票資料的模式 .............................. 86
4.9 建立客戶細分模型 .................................. 88
第5 章 構建推薦引擎 ................................... 91
5.1 簡介 ...................................... 91
5.2 為資料處理構建函數組合 ....................... 92
5.3 構建機器學習流水線 .............................. 93
5.3.1 詳細步驟 ...................................... 93
5.3.2 工作原理 ...................................... 95
5.4 尋找最近鄰 .............................................. 95
5.5 構建一個KNN 分類器 ............................ 98
5.5.1 詳細步驟 ...................................... 98
5.5.2 工作原理 .................................... 102
5.6 構建一個KNN 回歸器 .......................... 102
5.6.1 詳細步驟 .................................... 102
5.6.2 工作原理 .................................... 104
5.7 計算歐氏距離分數 ................................ 105
5.8 計算皮爾遜相關係數 ............................ 106
5.9 尋找資料集中的相似使用者 ..................... 108
5.10 生成電影推薦 ...................................... 109
第6 章 分析文本資料 ................................. 112
6.1 簡介 ....................................... 112
6.2 用標記解析的方法預處理資料 ............. 113
6.3 提取文本資料的詞幹 ............................ 114
6.3.1 詳細步驟 .................................... 114
6.3.2 工作原理 .................................... 115
6.4 用詞形還原的方法還原文本的基本形式 .................... 116
6.5 用分塊的方法劃分文本 ........................ 117
6.6 創建詞袋模型 ........................................ 118
6.6.1 詳細步驟 .................................... 118
6.6.2 工作原理 .................................... 120
6.7 創建文本分類器 .................................... 121
6.7.1 詳細步驟 .................................... 121
6.7.2 工作原理 .................................... 123
6.8 識別性別 ............................................. 124
6.9 分析句子的情感 .................................... 125
6.9.1 詳細步驟 .................................... 126
6.9.2 工作原理 .................................... 128
6.10 用主題建模識別文本的模式 ............... 128
6.10.1 詳細步驟 .................................. 128
6.10.2 工作原理 .................................. 131
第7 章 語音辨識 ......................................... 132
7.1 簡介 .......................................... 132
7.2 讀取和繪製音訊資料 ............................ 132
7.3 將音訊信號轉換為頻域 ........................ 134
7.4 自訂參數生成音訊信號 ..................... 136
7.5 合成音樂 .......................................... 138
7.6 提取頻域特徵 ........................................ 140
7.7 創建隱瑪律科夫模型 ............................ 142
7.8 創建一個語音辨識器 ............................ 143
第8 章 解剖時間序列和時序資料 ............ 147
8.1 簡介 ............................................. 147
8.2 將資料轉換為時間序列格式 ................. 148
8.3 切分時間序列資料 ................................ 150
8.4 操作時間序列資料 ................................ 152
8.5 從時間序列資料中提取統計數字 ......... 154
8.6 針對序列資料創建隱瑪律科夫模型 ..... 157
8.6.1 準備工作 .................................... 158
8.6.2 詳細步驟 .................................... 158
8.7 針對序列文本資料創建條件隨機場 ..... 161
8.7.1 準備工作 .................................... 161
8.7.2 詳細步驟 .................................... 161
8.8 用隱瑪律科夫模型分析股票市場資料.......................... 164
第9 章 圖像內容分析 ................................. 166
9.1 簡介 .............................................. 166
9.2 用OpenCV-Pyhon 操作圖像 ................. 167
9.3 檢測邊 ........................................ 170
9.4 長條圖均衡化 ........................................ 174
9.5 檢測棱角 .................................. 176
9.6 檢測SIFT 特徵點 .................................. 178
9.7 創建Star 特徵檢測器 ............................ 180
9.8 利用視覺碼本和向量量化創建特徵 ...... 182
9.9 用極端隨機森林訓練圖像分類器 .......... 185
9.10 創建一個物件識別器 ........................... 187
第10 章 人臉識別 ........................................ 189
10.1 簡介 ........................................... 189
10.2 從網路攝像頭採集和處理視頻資訊 .... 189
10.3 用Haar 級聯創建一個人臉識別器 ...... 191
10.4 創建一個眼睛和鼻子檢測器 ............... 193
10.5 做主成分分析 ...................................... 196
10.6 做核主成分分析 .................................. 197
10.7 做盲源分離 .......................................... 201
10.8 用局部二值模式長條圖創建一個人臉識別器 ................ 205
第11 章 深度神經網路 ............................... 210
11.1 簡介 ........................................ 210
11.2 創建一個感知器 .................................. 211
11.3 創建一個單層神經網路 ....................... 213
11.4 創建一個深度神經網路 ....................... 216
11.5 創建一個向量量化器........................... 219
11.6 為序列資料分析創建一個遞迴神經網路 ...................... 221
11.7 在光學字元辨識資料庫中將字元視覺化 ...................... 225
11.8 用神經網路創建一個光學字元辨識器 ....................... 226
第12 章 視覺化數據 ................................... 230
12.1 簡介 ............................................... 230
12.2 畫3D 散點圖 ....................................... 230
12.3 畫氣泡圖 ............................................ 232
12.4 畫動態氣泡圖 ...................................... 233
12.5 畫圓形圖 ............................................... 235
12.6 畫日期格式的時間序列資料 ............... 237
12.7 畫長條圖 ............................................ 239
12.8 視覺化熱力圖 ...................................... 241
12.9 動態信號的視覺化類比 ....................... 242
|
序: |
|