-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

Python機器學習 5個數據科學家案例解析

( 簡體 字)
作者:[美]達西·哈龍(Danish Haroon)著類別:1. -> 程式設計 -> Python
   2. -> 程式設計 -> 機器學習
譯者:潘海為 張春新 譯
出版社:清華大學出版社Python機器學習 5個數據科學家案例解析 3dWoo書號: 50065
詢問書籍請說出此書號!

缺書
NT售價: 250

出版日:9/1/2018
頁數:183
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:9787302508915
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(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:

《Python機器學習 5個數據科學家案例解析》涵蓋了機器學習方法和Python,可以自動呈現對業務問題的豐富見解和解決方案。《Python機器學習 5個數據科學家案例解析》使用基于案例研究的實踐方法來破解真實世界的應用,里面涉及的機器學習概念再適合不過。這些更智能的機器將使你的業務流程以最短的時間和最少的資源獲得更高的效率。
《Python機器學習 5個數據科學家案例解析》將引導你逐步完善業務流程,幫助你發現構建公司戰略的關鍵點。你將閱讀可以為產品和服務提供支持的機器學習技術。《Python機器學習 5個數據科學家案例解析》還突出了這些機器學習概念的優缺點,以幫助你決定哪一個最適合你的需求。
通過逐步的編碼方法,你將能夠理解機器學習過程中模型選擇背后的基本原理。《Python機器學習 5個數據科學家案例解析》配備了實用的示例和代碼片段,以確保你了解用于解決實際問題的數據科學方法。
《Python機器學習 5個數據科學家案例解析》可以幫助來自技術和非技術背景的人們將機器學習技術應用于現實世界問題。每一章都從一個具有明確定義的業務問題的案例研究開始,然后通過整合案例情節和代碼片段來決定最佳解決方案。練習貫穿于整個章節,使所學概念得以動手實現。每章最后都以現實世界應用的亮點為結尾,這些概念可以應用到實踐中。以下簡要概述各章的內容:
第1章介紹統計和概率的概念。
第2章討論回歸技術和方法以微調模型。
第3章向讀者展示時間序列模型,并詳細介紹平穩的性質。
第4章使用聚類方法作為輔助,從而將數據劃分用于營銷目的。
第5章討論分類模型和評估指標,以評估模型的優劣。
內容簡介:

《Python機器學習 5個數據科學家案例解析》涵蓋了機器學習方法和Python,可以自動呈現對業務問題的豐富見解和解決方案。《Python機器學習 5個數據科學家案例解析》使用基于案例研究的實踐方法來破解真實世界的應用,里面涉及的機器學習概念再適合不過。這些更智能的機器將使你的業務流程以最短的時間和最少的資源獲得更高的效率。 《Python機器學習 5個數據科學家案例解析》將引導你逐步完善業務流程,幫助你發現構建公司戰略的關鍵點。你將閱讀可以為產品和服務提供支持的機器學習技術。《Python機器學習 5個數據科學家案例解析》還突出了這些機器學習概念的優缺點,以幫助你決定哪一個最適合你的需求。 通過逐步的編碼方法,你將能夠理解機器學習過程中模型選擇背后的基本原理。《Python機器學習 5個數據科學家案例解析》配備了實用的示例和代碼片段,以確保你了解用于解決實際問題的數據科學的方法。《Python機器學習 5個數據科學家案例解析》可以幫助來自技術和非技術背景的人們將機器學習技術應用于現實世界問題。每一章都從一個具有明確定義的業務問題的案例研究開始,然后通過整合案例情節和代碼片段來決定最佳解決方案。練習貫穿于整個章節,使所學概念得以動手實現。每章最后都以現實世界應用的亮點為結尾,這些概念可以應用到實踐中。
目錄:

第1章統計與概率1
1.1案例研究:自行車共享計劃
——確定品牌角色1
1.2進行探索性數據分析3
1.2.1特征探索4
1.2.2變量的類型5
1.2.3單變量分析8
1.2.4多變量分析12
1.2.5時間序列成分15
1.3度量測度中心17
1.3.1平均數17
1.3.2中位數18
1.3.3眾數19
1.3.4方差19
1.3.5標準差19
1.3.6由于常量的存在而導致
中心統計度量的變化20
1.3.7正態分布22
1.4相關性29
1.4.1PearsonR相關29
1.4.2Kendall秩相關29
1.4.3Spearman秩相關30
1.5假設檢驗:比較兩組31
1.5.1t-統計量32
1.5.2t-分布和樣本容量32
1.6中心極限定理34
1.7案例研究發現35
1.8統計和概率的應用36
1.8.1精算科學36
1.8.2生物統計學36
1.8.3天文統計學36
1.8.4商業分析37
1.8.5計量經濟學37
1.8.6機器學習37
1.8.7統計信號處理37
1.8.8選舉37
第2章回歸39
2.1案例研究:消除混凝土抗壓
強度的不一致性39
2.2回歸的概念42
2.2.1內插和外推42
2.2.2線性回歸42
2.2.3y在x上的最小二乘
回歸線43
2.2.4多重回歸44
2.2.5逐步回歸45
2.2.6多項式回歸46
2.3回歸的假設47
2.3.1案例數量47
2.3.2缺失數據47
2.3.3多重共線性與奇異性48
2.4特征探索49
2.5過擬合和欠擬合55
2.6回歸度量的評估58
2.6.1解釋方差得分58
2.6.2平均絕對誤差58
2.6.3均方誤差59
2.6.4R259
2.6.5殘差60
2.6.6殘差圖60
2.6.7殘差平方和60
2.7回歸的類型61
2.7.1線性回歸61
2.7.2網格搜索65
2.7.3嶺回歸65
2.7.4套索回歸68
2.7.5ElasticNet70
2.7.6梯度boosting回歸71
2.7.7支持向量機74
2.8回歸的應用78
2.8.1預測銷售額78
2.8.2預測債券價值78
2.8.3通貨膨脹率78
2.8.4保險公司79
2.8.5呼叫中心79
2.8.6農業79
2.8.7預測薪水79
2.8.8房地產行業80
第3章時間序列83
3.1案例研究:預測雅虎的每日
調整的收盤價83
3.2特征探索85
3.3評估時間序列對象的
平穩性86
3.3.1具有平穩本質的時間序列
的性質87
3.3.2測試以確定時間序列
是否平穩87
3.3.3制作時間序列對象的
方法90
3.4測試以確定時間序列是否
具有自相關性100
3.4.1自相關函數100
3.4.2偏自相關函數100
3.4.3度量自相關101
3.4.4DurbinWatson統計101
3.5建模時間序列102
3.5.1驗證預測序列的實驗102
3.5.2確定建模參數103
3.6自回歸綜合移動平均105
3.6.1自回歸移動平均105
3.6.2自回歸106
3.6.3移動平均線107
3.6.4組合模型108
3.7縮減預測規模109
3.8時間序列分析應用113
3.8.1銷售預測113
3.8.2天氣預測113
3.8.3失業率估計113
3.8.4疾病爆發113
3.8.5股市預測114
第4章聚類115
4.1案例研究:確定營銷短尾
關鍵詞115
4.2特征的探索117
4.3有監督學習與無監督學習118
4.3.1有監督學習119
4.3.2無監督學習119
4.4聚類分析120
4.5為建模作數據轉換120
4.6聚類模型124
4.6.1k-means聚類124
4.6.2將k-means聚類應用于簇
的最優數量129
4.6.3主成分分析130
4.6.4高斯混合模型137
4.6.5貝葉斯高斯混合模型142
4.7聚類的應用144
4.7.1疾病識別144
4.7.2搜索引擎中的文檔
聚類144
4.7.3基于人口統計的客戶
劃分145
第5章分類147
5.1案例研究:俄亥俄州診所——
滿足供求147
5.2特征探究149
5.3實施數據整理154
5.4實施探索性數據分析157
5.5特征的生成162
5.6分類164
5.6.1模型評估技術164
5.6.2二元分類器:受試者工作
特征165
5.6.3決策樹分類168
5.7核近似169
5.7.1SGD分類器169
5.7.2集成方法172
5.8隨機森林分類173
5.9分類應用178
5.9.1圖像分類178
5.9.2音樂分類178
5.9.3E-mail的垃圾郵件
過濾178
5.9.4保險179
附錄A圖表類型以及何時使用
它們181
序: