機器學習案例分析（基于Python語言） ( 簡體 字) |
| 作者：王愷,閆曉玉,李濤 | 類別：1. -> 程式設計 -> 機器學習
2. -> 程式設計 -> Python |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 52448
詢問書籍請說出此書號！【有庫存】
NT售價： 490 元 |
| 出版日：3/1/2020 |
| 頁數：328 |
| 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：9787121381812 |
| 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：眾所周知，我們正在進入一個全面科技創新的時代。科技創新驅動并引領著人類社
會的發展，從人工智能、自動駕駛、5G，到精準醫療、機器人等，所有這些領域的突破
都離不開科技的創新，也離不開計算的創新。從CPU、GPU，到FPGA、ASIC，再到未
來的神經擬態計算、量子計算等，英特爾正在全面布局未來的端到端計算創新，以充分
釋放數據的價值。中國擁有巨大的市場和引領全球創新的需求，其產業生態的全面性及
企業創新的實力、活力和速度都令人矚目。英特爾始終放眼長遠，以豐富的生態經驗和
廣闊的全球視野，持續推動與中國產業生態的合作共贏。以此為前提，英特爾在2018
年建立了英特爾? FPGA 中國創新中心，與Dell、海云捷迅等合作伙伴攜手共建AI 和
FPGA 生態，并通過組織智能大賽、產學研對接及培訓認證等方式，發掘優秀團隊，培
養專業人才，孵化應用創新，加速智能產業在中國的發展。
該系列叢書是英特爾? FPGA 中國創新中心專為AI 和FPGA 領域的人才培養和認證
而設計編撰的系列叢書，非常高興作為英特爾? FPGA 中國創新中心總經理為叢書寫序。
同時也希望該系列叢書能為中國AI 和FPGA 相關產業的生態建設和人才培養添磚加瓦！
英特爾? FPGA 中國創新中心總經理 張 瑞
2019 年秋 |
內容簡介：共分為4個部分：1、基礎知識：主要介紹機器學習的基本概念、Python的基礎知識、常用第三方庫，并結合網絡爬蟲及信息提取案例和股票數據圖表繪制案例使讀者對本部分內容有更好的理解。2、有監督分類案例：包括Iris數據分類、新聞文本數據分類、手寫數字圖像識別和場景文字檢測共4個案例。3、無監督聚類案例：包括人臉圖像聚類和文本聚類共2個案例。4、回歸預測案例：包括房價預測、員工離職預測和廣告點擊率預測共3個案例。 |
目錄：第1 章 基礎知識 ............. 001
1.1 機器學習簡介 ............. 002
1.1.1 基本概念 ............ 002
1.1.2 機器學習分類 ............ 003
1.2 Python 基礎 ............ 005
1.2.1 Python 編程環境 ........... 005
1.2.2 基本數據類型 ............ 011
1.2.3 分支語句和循環語句 .......... 018
1.2.4 函數 ............ 021
1.2.5 類和對象 ............ 025
1.2.6 打開、關閉、讀/寫文件 ......... 028
1.2.7 異常處理 ............ 031
1.3 常用第三方庫 ............. 033
1.3.1 NumPy ............. 033
1.3.2 SciPy ............ 039
1.3.3 Pandas ............. 041
1.3.4 Matplotlib ............ 053
1.3.5 Scikit-learn ........... 056
1.4 案例分析 ............. 058
1.4.1 網絡爬蟲及信息提取 .......... 058
1.4.2 股票數據圖表繪制 .......... 063
1.5 本章小結 ............. 069
1.6 參考文獻 ............. 069
第2 章 分類案例 .............. 071
2.1 員工離職預測 ............. 072
2.1.1 問題描述及數據集獲取 .......... 072
2.1.2 求解思路和相關知識介紹 ........ 073
2.1.3 代碼實現及分析 .......... 076
2.2 Iris 數據分類 ............. 081
2.2.1 問題描述及數據集獲取 .......... 081
2.2.2 求解思路和相關知識介紹 ........ 082
2.2.3 代碼實現及分析 .......... 089
2.3 新聞文本分類 ............. 099
2.3.1 問題描述及數據集獲取 .......... 099
2.3.2 求解思路和相關知識介紹 ........ 100
2.3.3 代碼實現及分析 .......... 113
2.4 手寫數字識別 ............. 128
2.4.1 問題描述及數據集獲取 .......... 128
2.4.2 求解思路和相關知識介紹 ........ 129
2.4.3 代碼實現及分析 .......... 134
2.5 本章小結 ............. 139
2.6 參考文獻 ............. 139
第3 章 聚類案例 .............. 143
3.1 人臉圖像聚類 ............. 144
3.1.1 問題描述及數據集獲取 .......... 144
3.1.2 求解思路和相關知識介紹 ........ 146
3.1.3 代碼實現及分析 .......... 150
3.2 文本聚類 ............. 162
3.2.1 問題描述及數據集獲取 .......... 162
3.2.2 求解思路和相關知識介紹 ........ 163
3.2.3 代碼實現及分析 .......... 167
3.3 本章小結 ............. 173
3.4 參考文獻 ............. 174
第4 章 回歸預測案例 ............ 175
4.1 房價預測 ............. 176
4.1.1 問題描述及數據集獲取 .......... 176
4.1.2 求解思路和相關知識介紹 ........ 177
4.1.3 代碼實現及分析 .......... 184
4.2 基于LSTM 的股票走勢預測 ......... 191
4.2.1 問題描述及數據集獲取 .......... 191
4.2.2 求解思路和相關知識介紹 ........ 192
目 錄
XI
4.2.3 代碼實現及分析 .......... 197
4.3 本章小結 ............. 204
4.4 參考文獻 ............. 204
第5 章 綜合案例............. 206
5.1 場景文本檢測 ............. 207
5.1.1 問題描述及數據集獲取 .......... 207
5.1.2 求解思路和相關知識介紹 ........ 208
5.1.3 代碼實現及分析 .......... 217
5.2 面部認證 ............. 235
5.2.1 問題描述及數據集獲取 .......... 236
5.2.2 求解思路和相關知識介紹 ........ 236
5.2.3 代碼實現及分析 .......... 241
5.3 本章小結 ............. 275
5.4 參考文獻 ............. 275
附錄A ............... 277
A.1 邏輯回歸分類器原理介紹 ........... 278
A.2 自己編程實現決策樹分類器 ......... 280
A.3 支持向量機的數學推導 ........... 287
A.3.1 最小間隔最大化 .......... 287
A.3.2 對偶問題 ............ 288
A.4 Adaboost 的數學推導和代碼實現 ......... 292
A.4.1 數學推導 ............ 292
A.4.2 代碼實現 ............ 294
A.5 神經網絡的數學推導和代碼實現 ......... 298
A.5.1 數學推導 ............ 298
A.5.2 代碼實現 ............ 302
A.6 期望最大化算法和高斯混合模型 ......... 308
A.6.1 EM 算法的原理和數學推導 ......... 308
A.6.2 EM 算法估計高斯混合模型參數的數學推導 ..... 310
A.7 基于波士頓房價數據集的房價預測代碼實現 ....... 312 |
| 序： |
