包邮PYTHON在机器学习中的应用

1星价 ¥52.9 (6.6折)

2星价￥52.9 定价￥79.8

作者：余本国孙玉林著

出版社：中国水利水电出版社

本类榜单：计算机/网络

分类：计算机/网络 > 程序设计

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。

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