 |
-- 會員 / 註冊 --
|
 |
|
|
|
機器學習入門必備 ( 簡體 字) |
| 作者：(美)奧利弗·西奧博爾德 | 類別：1. -> 程式設計 -> 機器學習 |
| 譯者：劉翔宇 |
| 出版社：機械工業 |  3dWoo書號： 53838
詢問書籍請說出此書號！【有庫存】
NT售價： 195 元 |
| 出版日：11/1/2020 |
| 頁數：112 |
| 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：9787111662242 |
| 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： 本書是一本機器學習入門的必備圖書，書中沒有讓人頭暈眼花的公式推導，而是通過一些易于理解的類比、案例以及圖片，以通俗易懂的方式講解了機器學習中的一些名詞和常見算法，使初學者能夠很容易地掌握機器學習的相關概念工具、數據處理、回歸與分析、建模與優化等內容。書中還介紹了使用代碼構建一個機器學習模型，將讀者帶入實踐環節。
本書非常適合沒有任何基礎的人工智能愛好者學習使用；對于對機器學習領域還不是很了解的讀者來說，本書也是一本非常好的入門書籍。 |
目錄：譯者序
前言
第1章 什么是機器學習
第2章 機器學習種類
2.1 監督學習
2.2 非監督學習
2.3 強化學習
第3章 機器學習工具箱
3.1 數據
3.2 基礎設施
3.3 算法
3.4 可視化
3.5 **工具箱
3.6 大數據
3.7 **基礎設施
3.8 **算法
第4章 數據清洗
4.1 特征選擇
4.2 行壓縮
4.3 One-hot編碼
4.4 分箱
4.5 缺失值
第5章 設置數據
5.1 交叉驗證
5.2 需要多少數據
第6章 回歸分析
6.1 計算示例
6.2 邏輯回歸
6.3 支持向量機
第7章 聚類
7.1 k近鄰
7.2 k均值聚類
7.3 設置k值
第8章 偏差和方差
第9章 人工神經網絡
9.1 概述
9.2 構建神經網絡
**0章 決策樹
10.1 構建決策樹
10.2 隨機森林
10.3 Boosting
**1章 集成建模
**2章 開發環境
12.1 導庫
12.2 導入數據集并預覽
12.3 查找行
12.4 打印列名
**3章 使用Python構建模型
13.1 導庫
13.2 導入數據集
13.3 清洗數據集
13.4 清洗過程
13.5 分割數據
13.6 選擇算法并配置超參數
13.7 評估結果
**4章 模型優化
14.1 模型優化代碼
14.2 網格搜索模型代碼
**5章 模型測試
**6章 其他資源
16.1 機器學習
16.2 人工智能的未來
16.3 編程
16.4 **系統
16.5 深度學習
16.6 未來生涯
**7章 數據集下載
17.1 世界幸福報告數據集
17.2 酒店評論數據集
17.3 精釀啤酒數據集
參考文獻 |
| 序： |
|
