×
暂无评论
图文详情
  • ISBN:9787517074830
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:16开
  • 页数:327
  • 出版时间:2019-05-01
  • 条形码:9787517074830 ; 978-7-5170-7483-0

本书特色

随着大数据的兴起,Python 和机器学习迅速成为时代的宠儿。本书在内容编排上避免了枯燥的理论知识讲解,依循“理论简述——实际数据集——Python 程序实现算法”分析数据的思路,根据实际数据集的分析目的,采用合适的主流机器学习算法来解决问题。全书共12章,其中第1 ~ 4 章介绍了机器学习的基础知识;第5 ~ 12 章讨论了在面对不同的数据时,如何采用一些主流的算法来解决问题,主要包括回归分析、关联规则、无监督学习、文本LDA 模型、决策树和集成学习、朴素贝叶斯和K 近邻分类、支持向量机和神经网络,以及深 度学习入门等内容。针对每个算法,都给出Python 代码实现算法建模的过程,并结合可视化技术,帮助读者更好地理解算法和分析结果。 《Python 在机器学习中的应用》是使用Python 进行机器学习的入门实战教程,可作为以Python 为基础进行机器学习的本科生和研究生入门书籍,也可供对Python 机器学习感兴趣的研究人员参考阅读。

内容简介

《基于python的人工智能基础及实战》一书是一本零基础入门教程,教你如何从一名计算机编程小白,到一名能够操纵当下流行的、很新版的python3.6语言,再入门人工智能,很后自己动手深入各类小应用项目实战。本书由浅入项目(根本没有“深”),只要你能跟着本书自己敲代码,转换角色是迟早的事——从崇拜者到被崇拜者。全书共八章。章至第3章介绍python入门知识;第4章介绍图像识别方法与案例;第5章介绍人脸识别技术及应用,掌握对opencv库的基本操作;第6章介绍语音识别技术;第7章介绍开源库的发布流程和操作;第8章介绍具体的分析实战案例。通俗的语言,小白式的操作,配备讲解视频,让你在阅读本书时,能够轻松、愉悦地提升自己的python技能。书中示例详细,并给出了具体的可修改的代码,让读者能够自由的在python涉及的领域自由地展翅翱翔。

目录

第1 章 机器学习简介 1.1 机器学习的任务 1.2 机器学习的三种方式 1.3 机器学习系统的建立 1.4 机器学习实例 第2 章 Python 常用库介绍 2.1 Python 的安装(Anaconda) 2.1.1 Spyder 2.1.2 Jupyter Notebook 2.2 Python 常用库2.2.1 Numpy 库2.2.2 Pandas 库2.2.3 Matplotlib 库 2.2.4 Statsmodels 库 2.2.5 Scikit-learn 库 2.3 其他Python 常用的数据库 2.4 Python 各种库在机器学习中的应用第3 章 数据的准备和探索 3.1 数据预处理 3.2 数据假设检验 3.3 数据间的关系 3.4 数据可视化 3.5 特征提取和降维 第4 章 模型训练和评估 4.1 模型训练技巧 4.2 分类效果的评价 4.3 回归模型评价 4.4 聚类分析评估 第5 章 回归分析 5.1 回归分析简介 5.2 多元线性回归分析 5.2.1 多元线性回归 5.2.2 逐步回归 5.3 Lasso 回归分析5.4 Logistic 回归分析5.5 时间序列预测 第6 章 关联规则 6.1 关联规则简介 6.2 使用关联规则找到问卷的规则 6.3 关联规则可视化 第7 章 无监督学习 7.1 无监督学习介绍 7.2 系统聚类 7.3 K- 均值聚类7.4 密度聚类 7.5 Mean Shift 聚类 7.6 字典学习图像去噪 第8 章 文本LDA 模型 8.1 文本分析简介 8.2 中文分词 8.3 LDA 主题模型分析《红楼梦》8.4 红楼梦人物关系 第9 章 决策树和集成学习 9.1 模型简介 9.2 泰坦尼克号数据预处理 9.3 决策树模型 9.4 决策树剪枝 9.5 随机森林模型 9.6 AdaBoost 模型第10 章 朴素贝叶斯和K近邻分类 10.1 模型简介 10.2 垃圾邮件数据预处理 10.3 贝叶斯模型识别垃圾邮件 10.4 基于异常值检测的垃圾邮件查找 10.4.1 PCA 异常值检测10.4.2 Isolation Forest 异常值检测 10.5 数据不平衡问题的处理 10.6 K 近邻分类第11 章 支持向量机和神经网络 11.1 模型简介 11.2 肺癌数据可视化 11.3 支持向量机模型 11.4 全连接神经网络 第12 章 深度学习入门 12.1 深度学习介绍 12.2 卷积和池化 12.3 CNN 人脸识别12.4 CNN 人脸检测12.5 深度卷积图像去噪 12.5.1 空洞卷积 12.5.2 图像与图像块的相互转换 12.5.3 一种深度学习去噪方法
展开全部

作者简介

余本国,博士,硕士研究生导师。于中北大学理学系任教,主讲线性代数、微积分、Python语言、大数据分析基础等课程。2012年到加拿大York University做访问学者。出版有《Python数据分析基础》《基于Python的大数据分析基础及实战》等著作。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航