您好,欢迎来到聚文网。 登录 免费注册
机器学习(Python实战)/计算机技术入门丛书

机器学习(Python实战)/计算机技术入门丛书

  • 字数: 458
  • 出版社: 清华大学
  • 作者: 编者:肖汉光//夏清玲|责编:付宏宇//李燕
  • 商品条码: 9787302627296
  • 版次: 1
  • 开本: 16开
  • 页数: 282
  • 出版年份: 2023
  • 印次: 1
定价:¥59.8 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
本书系统介绍机器学习 的理论、模型和算法实现, 主要内容包括机器学习实验 环境的搭建、数据清洗、模 型评估、监督学习的分类和 回归问题、非监督学习的聚 类和降维等理论介绍和底层 算法实现。本书涵盖了K近 邻算法、决策树、支持向量 机、BP神经网络、卷积神 经网络、循环神经网络、集 成学习、K-means聚类、模 糊聚类、主成分分析、独立 成分分析等内容。每章均基 于实战项目或案例介绍模型 和算法的两种实现(scikit- learn、Keras或TensorFlow 的调包实现与非调包底层代 码实现),并给出相应的实 验题目,以此加深读者对模 型和算法的理解,提升读者 对模型和算法的底层代码实 现能力。 本书适合作为人工智能 专业高年级本科生和研究生 的教材,也可作为人工智能 相关领域研究人员的自学教 材。
目录
第1章 环境搭建 1.1 实验环境的安装与搭建 1.1.1 Anaconda的下载 1.1.2 Anaconda的安装 1.1.3 检验 1.1.4 启动 1.2 数据清洗和预处理 1.2.1 原理简介 1.2.2 算法步骤 1.2.3 实战 1.2.4 实验 第2章 模型评估 2.1 模型评估的样本集构建与评价 2.1.1 原理简介 2.1.2 样本集的构建方法 2.1.3 算法步骤 2.1.4 实战 2.1.5 实验 2.2 评估指标计算 2.2.1 原理简介 2.2.2 代码实现与实战 2.2.3 实验 第3章 分类问题 3.1 K近邻算法 3.1.1 原理简介 3.1.2 算法步骤 3.1.3 实战 3.1.4 实验 3.2 逻辑回归算法 3.2.1 原理简介 3.2.2 算法步骤 3.2.3 实战 3.2.4 实验 3.3 决策树算法 3.3.1 原理简介 3.3.2 算法步骤 3.3.3 实战 3.3.4 实验 3.4 支持向量机算法 3.4.1 原理简介 3.4.2 算法步骤 3.4.3 实战 3.4.4 实验 3.5 EM算法 3.5.1 原理简介 3.5.2 算法步骤 3.5.3 实战 3.5.4 实验 3.6 BP神经网络的分类和回归算法 3.6.1 原理简介

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网