-- 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

白話機器學習算法

( 簡體 字)
作者:[新加坡] 黃莉婷 蘇川集類別:1. -> 程式設計 -> 機器學習
譯者:
出版社:人民郵電出版社白話機器學習算法 3dWoo書號: 50749
詢問書籍請說出此書號!

有庫存
NT售價: 245

出版日:2/1/2019
頁數:113
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:9787115506641
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:

內容簡介:

與使用數學語言或計算機編程語言講解算法的書不同,本書另辟蹊徑,用通俗易懂的人類語言以及大量有趣的示例和插圖講解10多種前沿的機器學習算法。內容涵蓋k均值聚類、主成分分析、關聯規則、社會網絡分析等無監督學習算法,以及回歸分析、k最近鄰、支持向量機、決策樹、隨機森林、神經網絡等監督學習算法,并概述強化學習算法的思想。
目錄:

第 1章 基礎知識 1
1.1 準備數據 1
1.1.1 數據格式 1
1.1.2 變量類型 2
1.1.3 變量選擇 3
1.1.4 特征工程 3
1.1.5 缺失數據 4
1.2 選擇算法 4
1.2.1 無監督學習 5
1.2.2 監督學習 6
1.2.3 強化學習 7
1.2.4 注意事項 7
1.3 參數調優 7
1.4 評價模型 9
1.4.1 分類指標 9
1.4.2 回歸指標 10
1.4.3 驗證 10
1.5 小結 11
第 2章 k均值聚類 13
2.1 找出顧客群 13
2.2 示例:影迷的性格特征 13
2.3 定義群組 16
2.3.1 有多少個群組 16
2.3.2 每個群組中有誰 17
2.4 局限性 18
2.5 小結 19
第3章 主成分分析 21
3.1 食物的營養成分 21
3.2 主成分 22
3.3 示例:分析食物種類 24
3.4 局限性 27
3.5 小結 29
第4章 關聯規則 31
4.1 發現購買模式 31
4.2 支持度、置信度和提升度 31
4.3 示例:分析雜貨店的銷售數據 33
4.4 先驗原則 35
4.4.1 尋找具有高支持度的項集 36
4.4.2 尋找具有高置信度或高提升度的關聯規則 37
4.5 局限性 37
4.6 小結 37
第5章 社會網絡分析 39
5.1 展現人際關系 39
5.2 示例:國際貿易 40
5.3 Louvain方法 42
5.4 PageRank算法 43
5.5 局限性 46
5.6 小結 47
第6章 回歸分析 49
6.1 趨勢線 49
6.2 示例:預測房價 49
6.3 梯度下降法 52
6.4 回歸系數 54
6.5 相關系數 55
6.6 局限性 56
6.7 小結 57
第7章 k最近鄰算法和異常檢測 59
7.1 食品檢測 59
7.2 物以類聚,人以群分 60
7.3 示例:區分紅白葡萄酒 61
7.4 異常檢測 62
7.5 局限性 63
7.6 小結 63
第8章 支持向量機 65
8.1 醫學診斷 65
8.2 示例:預測心臟病 65
8.3 勾畫最佳分界線 66
8.4 局限性 69
8.5 小結 69
第9章 決策樹 71
9.1 預測災難幸存者 71
9.2 示例:逃離泰坦尼克號 72
9.3 生成決策樹 73
9.4 局限性 74
9.5 小結 75
第 10章 隨機森林 77
10.1 集體智慧 77
10.2 示例:預測犯罪行為 77
10.3 集成模型 81
10.4 自助聚集法 82
10.5 局限性 83
10.6 小結 84
第 11章 神經網絡 85
11.1 建造人工智能大腦 85
11.2 示例:識別手寫數字 86
11.3 神經網絡的構成 89
11.4 激活規則 91
11.5 局限性 92
11.6 小結 94
第 12章 A/B測試和多臂老虎機 95
12.1 初識A/B測試 95
12.2 A/B測試的局限性 95
12.3 epsilon遞減策略 96
12.4 示例:多臂老虎機 97
12.5 勝者為先 99
12.6 epsilon遞減策略的局限性 99
12.7 小結 100
附錄A 無監督學習算法概覽 101
附錄B 監督學習算法概覽 102
附錄C 調節參數列表 103
附錄D 更多評價指標 104
術語表 107
關于作者 114
序: