机器学习基础——基于Python和scikit-learn的机器学习应用--聚文网

精选

¥5.83

世界图书名著昆虫记绿野仙踪木偶奇遇记儿童书籍彩图注音版

¥5.39

正版世界名著文学小说名家名译中学生课外阅读书籍图书批发 70册

¥8.58

简笔画10000例加厚版2-6岁幼儿童涂色本涂鸦本绘画本填色书正版

¥5.83

世界文学名著全49册中小学生青少年课外书籍文学小说批发正版

¥4.95

全优冲刺100分测试卷一二三四五六年级上下册语文数学英语模拟卷

¥8.69

父与子彩图注音完整版小学生图书批发儿童课外阅读书籍正版1册

¥24.2

好玩的洞洞拉拉书0-3岁宝宝早教益智游戏书机关立体翻翻书4册

¥7.15

幼儿认字识字大王3000字幼儿园中班大班学前班宝宝早教启蒙书

¥11.55

用思维导图读懂儿童心理学培养情绪管理与性格培养故事指导书

¥19.8

少年读漫画鬼谷子全6册在漫画中学国学小学生课外阅读书籍正版

¥64

科学真好玩

¥12.7

一年级下4册·读读童谣和儿歌

¥38.4

原生态新生代(传统木版年画的当代传承国际研讨会论文集)

¥11.14

法国经典中篇小说

¥11.32

上海的狐步舞--穆时英(中国现代文学馆馆藏初版本经典)

¥21.56

猫的摇篮(精)

¥30.72

幼儿园特色课程实施方案/幼儿园生命成长启蒙教育课程丛书

旧时风物(精)

三希堂三帖/墨林珍赏

寒山子庞居士诗帖/墨林珍赏

苕溪帖/墨林珍赏

楷书王维诗卷/墨林珍赏

兰亭序/墨林珍赏

祭侄文稿/墨林珍赏

蜀素帖/墨林珍赏

真草千字文/墨林珍赏

进宴仪轨(精)/中国古代舞乐域外图书

舞蹈音乐的基础理论与应用

内容简介

随着机器学习算法的普及，开发和优化这些算法的新工具也得到了发展。本书首先介绍了scikit-learn包，学习如何使用scikit-learn语法；学习监督模型和无监督模型之间的差异，以及为每个数据集选择适当算法的重要性；学习将无监督聚类算法应用到真实的数据集中，发现其中的规律，并在探索中解决无监督机器学习问题。其次，本书重点研究监督学习算法，学习如何使用scikit-learn包实现不同的监督算法以及如何开发神经网络架构；还将了解如何采用合乎逻辑的结果分析，并通过调节超参数来改善算法的性能。本书理论讲解与练习实例相结合，并通过大量的活动指导读者进行真实数据集的模拟训练。学完本书将知道如何描述监督模型和无监督模型之间的差异，以及如何将一些流行的算法应用于现实生活中的数据集中，将获得诸多技能并有信心编写机器学习算法。本书面向机器学习领域的新手和希望学习如何使用scikit-learn库开发机器学习算法的开发人员。读者需要具备Python编程方面的一些知识和经验，但不需要任何关于scikit-learn或机器学习算法的先验知识。

第1章 scikit-learn简介
1.1 scikit-learn
1.1.1 scikit-learn的优点
1.1.2 scikit-learn的缺点
1.2 数据表示
1.2.1 数据表
1.2.2 特征矩阵和目标矩阵
1.2.3 练习1：加载实例数据集并创建特征矩阵和目标矩阵
1.2.4 活动1：选择目标特征并创建一个目标矩阵
1.3 数据预处理
1.3.1 混乱的数据
1.3.2 练习2：处理混乱的数据
1.3.3 处理分类特征
1.3.4 练习3：在文本数据上应用特征工程
1.3.5 重新缩放数据
1.3.6 练习4：归一化和标准化数据
1.3.7 活动2：预处理整个数据集
1.4 scikit-learn API
1.5 监督学习和无监督学习
1.5.1 监督学习
1.5.2 无监督学习
1.6 小结
第2章无监督学习：Real-Life应用
2.1 聚类
2.1.1 聚类类型
2.1.2 聚类的应用
2.2 探索数据集：批发客户数据集
2.3 数据可视化
2.3.1 使用Pandas加载数据集
2.3.2 可视化工具
2.3.3 练习5：从noisy circles数据集中绘制一个特征的直方图
2.3.4 活动3：使用数据可视化来帮助预处理过程
2.4 k-means算法
2.4.1 理解算法
2.4.2 练习6：在数据集上导入和训练k-means算法
2.4.3 活动4：将k-means算法应用于数据集
2.5 mean-shift算法
2.5.1 理解算法
2.5.2 练习7：在数据集上导入和训练mean-shift算法
2.5.3 活动5：将mean-shift算法应用于数据集
2.6 DBSCAN算法
2.6.1 理解算法
2.6.2 练习8：在数据集上导入和训练DBSCAN算法
2.6.3 活动6：将DBSCAN算法应用于数据集
2.7 聚类性能的评估
2.7.1 scikit-learn的可用指标
2.7.2 练习9：评估Silhouette Coefficient分数和Calinski-Harabasz指数
2.7.3 活动7：测量和比较算法的性能
2.8 小结
第3章监督学习：关键步骤
3.1 模型验证和测试
3.1.1 数据拆分
3.1.2 拆分比
3.1.3 练习10：对实例数据集进行数据拆分
3.1.4 交叉验证
3.1.5 练习11：使用交叉验证将训练集拆分为训练集和验证集
3.1.6 活动8：对手写数字数据集的数据拆分
3.2 评估指标
3.2.1 分类任务的评估指标
3.2.2 练习12：在分类任务上计算不同的评估指标
3.2.3 评估指标的选择
3.2.4 回归任务的评估指标
3.2.5 练习13：计算回归任务的评估指标
3.2.6 活动9：评估在手写数据集上训练的模型的性能
3.3 错误分析
3.3.1 偏差、方差、数据不匹配
3.3.2 练习14：计算不同数据集的错误率
3.3.3 活动10：对经过训练的手写数字识别模型执行错误分析
3.4 小结
第4章监督学习算法：预测年收入
4.1 探索数据集
4.2 朴素贝叶斯算法
4.2.1 朴素贝叶斯算法的工作原理
4.2.2 练习15：朴素贝叶斯算法应用
4.2.3 活动11：为人口收入普查数据集训练朴素贝叶斯模型
4.3 决策树算法
4.3.1 决策树算法的工作原理
4.3.2 练习16：决策树算法应用
4.3.3 活动12：为人口收入普查数据集训练决策树模型
4.4 支持向量机算法
4.4.1 支持向量机算法的工作原理
4.4.2 练习17：支持向量机算法应用
4.4.3 活动13：为人口收入普查数据集训练支持向量机模型
4.5 错误分析
4.6 小结
第5章人工神经网络：预测年收入
5.1 人工神经网络
5.1.1 它们是如何工作的
5.1.2 理解超参数
5.1.3 应用程序
5.1.4 局限性
5.2 应用人工神经网络
5.2.1 scikit-learn的多层感知器
5.2.2 练习18：多层感知器分类器的应用
5.2.3 活动14：为人口收入普查数据集训练多层感知器
5.3 性能分析
5.3.1 错误分析
5.3.2 超参数微调
5.3.3 模型比较
5.3.4 活动15：比较不同模型以选择最适合人口收入普查数据问题的方法
5.4 小结
第6章建立自己的程序
6.1 项目的定义
6.1.1 制定计划：关键阶段
6.1.2 了解数据集
6.1.3 活动16：执行银行营销数据集的准备和创建阶段
6.2 存储并加载一个经过训练的模型
6.2.1 存储模型
6.2.2 练习19：存储经过训练的模型
6.2.3 加载模型
6.2.4 练习20：加载存储的模型
6.2.5 活动17：存储并加载银行营销数据集的最终模型
6.3 与经过训练的模型交互
6.3.1 练习21：创建一个类和一个通道来与经过训练的模型交互
6.3.2 活动18：允许与银行营销数据集模型交互
6.4 小结
附录
第1章：scikit-learn简介
活动1：选择目标特征并创建一个目标矩阵
活动2：预处理整个数据集
第2章：无监督学习：Real-Life应用
活动3：使用数据可视化来辅助预处理过程
活动4：将k-means算法应用于数据集
……

机器学习基础——基于Python和scikit-learn的机器学习应用

库存： {{selectedSku?.stock}} 库存充足