包邮PYTHON机器学习与应用案例

1星价 ¥49.3 (7.1折)

2星价￥49.3 定价￥69.0

作者：蔡静著

出版社：清华大学出版社

暂无评论

图文详情

ISBN：9787302680086
装帧：平装-胶订
册数：暂无
重量：暂无
开本：其他
页数：0
出版时间：2025-02-01
条形码：9787302680086 ; 978-7-302-68008-6

本书特色

?全面性内容由浅入深，既有原理介绍，又有实战操作，使读者在实践中掌握相关知识，并为解决问题提供详细的方法。
?实用性理论与实践相结合，实例丰富，具有实用性，帮助读者理解机器学习的概念、原理和算法。
?通俗性用浅显易懂的语言介绍Python机器学习的相关内容，即使没有机器学习基础的读者也可以快速上手。
?易学性提供程序代码、教学课件等资源，获取方式详见前言。

内容简介

"Python是目前比较热门的编程语言，以简单易学、应用广泛、类库强大而著称，是实现机器学习算法的**语言。《Python机器学习与应用案例》理论与实践相结合，基于Python 3.12.0版本介绍Python机器学习的相关内容。全书共10章，分别介绍了机器学习的基础知识、近邻法、数据降维、分类算法、回归算法、聚类算法、神经网络、推荐算法、频繁项集、数据预处理。通过本书的学习，读者可了解Python编程及在机器学习中的应用。《Python机器学习与应用案例》可作为对Python和机器学习感兴趣的初学者的参考书，也可作为从事Python开发的广大科研人员、学者、工程技术人员的参考书，还可作为高等院校人工智能、计算机等相关专业的教材。"

前言

机器学习（Machine Learning，ML）是多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等。机器学习专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。
本书由佛山大学蔡静编写。
编者
2024年12月

机器学习（Machine Learning，ML）是多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等。机器学习专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。 由于Python语言的简洁性、易读性及可扩展性，国内外使用Python做科学计算的研究机构日益增多，一些知名大学也采用Python来教授程序设计课程，Python已经成为*受欢迎的程序设计语言之一。 Python在设计上坚持清晰划一的风格，这使得Python成为一门易读、易维护，并且被大量用户欢迎的、用途广泛的语言。 本书将机器学习背后的基本理论与应用实践联系起来，通过这种方式让读者聚焦于如何正确地提出问题、解决问题。书中讲解了如何使用Python的核心元素以及强大的机器学习库，同时还展示了如何正确使用一系列统计模型。不管你是机器学习的初学者，还是想进一步拓展对机器学习领域的认知，本书都是一个重要且不可错失的资源，能帮助你了解如何使用Python解决机器学习中的关键问题。 之所以学习Python，用Python解决机器学习问题，是因为Python对于大数据的提取、分析完全是没有压力的，这也与其自身的特点有关。 本书共10章，从各方面介绍了机器学习，主要包括以下内容。 第1章机器学习的基础知识，主要介绍了机器学习的概念、综合分类、推荐系统和深度学习、Python软件相关介绍等内容。 第2章Python近邻法，主要介绍了k近邻法三要素、k近邻法、kd树等内容。 第3章Python数据降维，主要介绍了维度灾难与降维、主成分分析、SVD降维、多维缩放降维等内容。 第4章Python分类算法，主要介绍了逻辑回归、Softmax回归、因子分解机、支持向量机、随机森林等内容。 第5章Python回归算法，主要介绍了线性回归、岭回归与Lasso回归等内容。 第6章Python聚类算法，主要介绍了kMeans算法、Mean Shift聚类算法、DBSCAN聚类等内容。 第7章Python神经网络，主要介绍了感知机、BP神经网络、径向基神经网络等内容。 第8章Python推荐算法，主要介绍了协同过滤算法、基于矩阵分解的推荐算法、基于图的推荐算法等内容。 第9章Python频繁项集，主要介绍了关联分析、Apriori算法、FPGrowth算法等内容。 第10章Python数据预处理，主要介绍了数据预处理的基本概述、数据清理、处理缺失值、机器模型等内容。 这些算法目前应用非常广泛，效果也不错，是机器学习的入门知识，读者需要深入理解算法的原理、优劣势等特点以及应用场景，掌握利用Python解决这些问题的方法，并达到应用自如的程度。 本书特点  每个章节都将理论与Python实例相结合进行编写，让读者快速掌握利用Python实现机器学习算法。  每章*后通过小结与习题进行章节内容的总结与掌握情况的检测，习题类型有填空题、问答题、编程题，这样可使读者做到学以致用，上手快。  本书提供教学课件、程序代码、习题答案等配套资源，可以在清华大学出版社官方网站本书页面下载，或者扫描封底的“书圈”二维码在公众号下载。 本书由佛山大学蔡静编写。 由于时间仓促，加之编者水平有限，书中疏漏之处在所难免。在此，诚恳地希望得到各领域专家和广大读者的批评指正。 编者 2024年12月

显示全部信息

×

包邮PYTHON机器学习与应用案例

本书特色

内容简介

前言

目录

预估到手价 ×