- ISBN:9787302604396
- 装帧:一般胶版纸
- 册数:暂无
- 重量:暂无
- 开本:16开
- 页数:220
- 出版时间:2022-06-01
- 条形码:9787302604396 ; 978-7-302-60439-6
本书特色
涵盖机器学习模型和scikit-learn使用技巧、基本工具和实现方法,循序渐进地讲解相关机器学习算法,带你轻松踏上机器学习之旅。 采用理论与实践相结合的方式,结合Python 3的强大功能,以*小的编程代价实现机器学习算法。 全程以真实案例驱动,详解机器学习的基本概念、算法流程、模型构建、数据训练、模型评估与调优、**工具和实现方法。
内容简介
本书围绕scikit-learn库,详细介绍机器学习模型、算法、应用场景及其案例实现方法,通过对相关算法循序渐进的讲解,带你轻松踏上机器学习之旅。本书采用理论与实践相结合的方式,结合Python3语言的强大功能,以*小的编程代价来实现机器学习算法。本书配套PPT课件、案例源码、数据集、开发环境与答疑服务。本书共分13章,内容包括机器学习的基础理论、模型范式、策略、算法以及机器学习的应用开发,涵盖特征提取、简单线性回归、k近邻算法、多元线性回归、逻辑回归、朴素贝叶斯、非线性分类、决策树回归、随机森林、感知机、支持向量机、人工神经网络、K均值算法、主成分分析等热点研究领域。 本书可以作为机器学习初学者、研究人员或从业人员的参考书,也可以作为计算机科学、大数据、人工智能、统计学和社会科学等专业的大学生或研究生的教材。
目录
第1章 机器学习概述 3
1.1 什么是机器学习 4
1.2 机器学习的作用领域 6
1.3 机器学习的分类 7
1.4 机器学习理论基础 8
1.5 机器学习应用开发的典型步骤 9
1.6 本章小结 10
1.7 复习题 11
第2章 机器学习之数据特征 12
2.1 数据分布性 12
2.2 数据相关性 22
2.3 数据聚类性 27
2.4 数据主成分分析 30
2.5 数据动态性 37
2.6 数据可视化 40
2.7 本章小结 42
2.8 复习题 43
第3章 用scikit-learn估计器分类 44
3.1 scikit-learn基础 44
3.2 scikit-learn估计器 47
3.3 本章小结 52
3.4 复习题 52
第4章 朴素贝叶斯分类 53
4.1 算法原理 53
4.2 朴素贝叶斯分类 57
4.3 朴素贝叶斯分类实例 61
4.4 朴素贝叶斯连续值的处理 65
4.5 本章小结 67
4.6 复习题 67
第5章 线性回归 68
5.1 简单的线性回归模型 68
5.2 分割数据集 73
5.3 用简单线性回归模型预测考试成绩 77
5.4 本章小结 82
5.5 复习题 82
第6章 用k近邻算法分类和回归 83
6.1 k近邻算法模型 83
6.2 用k近邻算法处理分类问题 87
6.3 用k近邻算法对鸢尾花进行分类 89
6.4 用k近邻算法进行回归拟合 92
6.5 本章小结 95
6.6 复习题 95
第7章 从简单线性回归到多元线性回归 97
7.1 多变量的线性模型 97
7.2 模型的优化 100
7.3 用多元线性回归模型预测波士顿房价 108
7.4 本章小结 115
7.5 复习题 115
第8章 从线性回归到逻辑回归 116
8.1 逻辑回归模型 116
8.2 多元分类问题 120
8.3 正则化项 123
8.4 模型优化 124
8.5 用逻辑回归算法处理二分类问题 126
8.6 识别手写数字的多元分类问题 132
8.7 本章小结 136
8.8 复习题 137
第9章 非线性分类和决策树回归 138
9.1 决策树特点 139
9.2 决策树分类 140
9.3 决策树回归 142
9.4 决策树复杂度及使用技巧 145
9.5 决策树算法:ID3、C4.5和CART 146
9.6 本章小结 148
9.7 复习题 149
第10章 集成方法:从决策树到随机森林 150
10.1 Bagging元估计器 150
10.2 由随机树组成的森林 151
10.3 AdaBoost 155
10.4 梯度树提升 156
10.5 本章小结 167
10.6 复习题 167
第11章 从感知机到支持向量机 168
11.1 线性支持向量机分类 168
11.2 非线性支持向量机分类 174
11.3 支持向量机回归 181
11.4 本章小结 184
11.5 复习题 185
第12章 从感知机到人工神经网络 186
12.1 从神经元到人工神经元 186
12.2 感知器 189
12.3 多层感知器 194
12.4 本章小结 199
12.5 复习题 200
第13章 主成分分析降维 201
13.1 数据的向量表示及降维问题 201
13.2 向量的表示及基变换 202
13.3 协方差矩阵及优化目标 205
13.4 PCA算法流程 209
13.5 PCA实例 210
13.6 scikit-learn PCA降维实例 211
13.7 核主成分分析KPCA简介 216
13.8 本章小结 217
13.9 复习题 217
参考文献 218
作者简介
邓立国,东北大学计算机应用博士毕业。广东工业大学任教,主要研究方向:数据挖掘、知识工程、大数据处理、云计算、分布式计算等。著有图书《scikit-learn机器学习实战》《Python数据分析与挖掘实战》《Python大数据分析算法与实例》《Python机器学习算法与应用》《数据库原理与应用(SQL Server 2016版本)》等图书。
-
乡村振兴新技术:新时代农村短视频编辑技术基础入门
¥12.8¥32.0 -
AI绘画+AI摄影+AI短视频从入门到精通
¥45.5¥79.8 -
企业AI之旅
¥43.5¥79.0 -
机器学习
¥59.4¥108.0 -
基于知识蒸馏的图像去雾技术
¥61.6¥88.0 -
软件设计的哲学(第2版)
¥51.0¥69.8 -
智能算法优化及其应用
¥52.4¥68.0 -
Photoshop图像处理
¥25.5¥49.0 -
R语言医学数据分析实践
¥72.3¥99.0 -
大模型推荐系统:算法原理、代码实战与案例分析
¥62.3¥89.0 -
剪映 从入门到精通
¥25.7¥59.8 -
游戏造梦师----游戏场景开发与设计
¥67.6¥98.0 -
SAR图像处理与检测
¥35.4¥49.8 -
人工智能
¥29.4¥42.0 -
中文版PHOTOSHOP 2024+AI修图入门教程
¥59.3¥79.0 -
WPS办公软件应用
¥25.2¥36.0 -
格拉斯曼流行学习及其在图像集分类中的应用
¥13.7¥28.0 -
轻松上手AIGC:如何更好地向CHATGPT提问
¥40.3¥62.0 -
元宇宙的理想与现实:数字科技大成的赋能与治理逻辑
¥61.6¥88.0 -
云原生安全:攻防与运营实战
¥66.8¥89.0