您好,欢迎来到聚文网。 登录 免费注册
机器学习(Python+sklearn+TensorFlow2.0微课视频版)/大数据与人工智能技术丛书

机器学习(Python+sklearn+TensorFlow2.0微课视频版)/大数据与人工智能技术丛书

  • 字数: 411
  • 出版社: 清华大学
  • 作者: 王衡军|责编:王冰飞
  • 商品条码: 9787302559283
  • 版次: 1
  • 开本: 16开
  • 页数: 240
  • 出版年份: 2020
  • 印次: 1
定价:¥69.9 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
本书讨论了机器学习的基本问题和基本算法。 从方便学习的目的出发,本书主要以聚类任务、回 归任务、分类任务、标注任务、概率模型、神经网 络模型、深度学习模型七个主题对相关内容进行组 织。前四个主题以机器学习的四个主要任务为核心 讨论相关算法及基础知识。概率类模型和神经网络 类模型可以完成聚类、回归、分类和标注等多类任 务,但它们各有自成体系的基础知识,因此各设一 个主题进行集中讨论,可能更方便读者理解。深度 学习模型属于神经网络模型,但它具有明显的特征 和广泛的应用,是机器学习领域的后起之秀
作者简介
王衡军,博士,战略支援部队信息工程大学副教授,硕士研究生导师,获得多项军队科技进步奖,近年来从事机器学习领域研究工作。
目录
源码资源 下载 第1章 绪论 1.1 机器学习是什么 1.2 机器学习算法 1.2.1 机器学习算法分类 1.2.2 机器学习算法的术语 1.3 本书的学习之路 1.4 编程环境及工具包 第2章 聚类 2.1 k均值聚类算法及应用示例 2.1.1 算法及实现 2.1.2 在手机机主身份识别中的应用示例 2.1.3 进一步讨论 2.1.4 改进算法 2.2 聚类算法基础 2.2.1 聚类任务 2.2.2 样本点常用距离度量 2.2.3 聚类算法评价指标 2.2.4 聚类算法分类 2.3 DBSCAN及其派生算法 2.3.1 相关概念及算法流程 2.3.2 邻域参数ε和MinPts的确定 2.3.3 OPTICS算法 2.4 AGNES算法 2.4.1 簇之间的距离度量 2.4.2 算法流程 2.5 练习题 第3章 回归 3.1 回归任务、评价与线性回归模型 3.1.1 回归任务 3.1.2 线性回归模型与回归评价指标 3.1.3 最小二乘法求解线性回归模型 3.2 机器学习中的最优化方法 3.2.1 最优化模型 3.2.2 迭代法 3.2.3 梯度下降法 3.2.4 全局最优与凸优化 3.2.5 牛顿法 3.3 多项式回归 3.4 过拟合与泛化 3.4.1 欠拟合、过拟合与泛化能力 3.4.2 泛化能力评估方法 3.4.3 过拟合抑制 3.5 向量相关性与岭回归 3.5.1 向量的相关性 3.5.2 岭回归算法 3.6 局部回归 3.6.1 局部加权线性回归 3.6.2 K近邻法

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网