 |
-- 會員 / 註冊 --
|
 |
|
|
|
初探機器學習演算法 ( 繁體 字) |
| 作者：Giuseppe Bonaccorso | 類別：1. -> 程式設計 -> 機器學習 |
| 譯者： |
| 出版社：碁峰出版 |  3dWoo書號： 48127
詢問書籍請說出此書號！【缺書】
NT定價： 480 元
折扣價： 360 元
|
| 出版日：12/3/2017 |
| 頁數：336 |
| 光碟數：0 |
|
站長推薦：  |
| 印刷：黑白印刷 | 語系： ( 繁體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9789864766741 |
| 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：線上下載內容
熱門資料科學與機器學習演算法學習指南本書介紹並說明資料科學領域常見且重要的機器學習演算法，這些演算法可用於監督式與非監督學習、強化學習與半監督式學習。書中所討論的演算法包括線性迴歸、logistic迴歸、SVM、樸素貝氏、k-means、隨機森林、TensorFlow與特徵工程。你將會學到如何使用這些演算法來解決問題，以及它們的工作原理。同時也會介紹自然語言處理與推薦系統，以協助同時執行多種演算法。最後將會知道如何挑選正確的機器學習演算法，來為你的問題進行分群、分類或迴歸。你將學會：? 熟悉機器學習的重要元素? 瞭解特徵選擇與特徵工程流程? 平衡線性迴歸的效能與誤差? 建立資料模型，與使用各種類型的演算法來瞭解它的工作方式? 微調SVM的參數? 實作資料集的群聚? 探索自然語言處理與推薦系統的概念? 從零開始建立機器學習架構 |
目錄：第 1 章 機器學習簡介
第 2 章 機器學習的重要元素
第 3 章 特徵選擇與特徵工程
第 4 章 線性迴歸
第 5 章 Logistic 迴歸
第 6 章 樸素貝氏
第 7 章 支援向量機
第 8 章 決策樹與整體學習
第 9 章 分群基礎
第 10 章 階層式分群
第 11 章 推薦系統簡介
第 12 章 自然語言處理簡介
第 13 章 NLP 的主題建模與情緒分析
第 14 章 深度學習與 TensorFlow 簡介
第 15 章 建立機器學習架構 |
| 序： |
|
