您好,欢迎来到聚文网。 登录 免费注册
机器学习

机器学习

  • 字数: 458000
  • 装帧: 平装
  • 出版社: 清华大学出版社
  • 出版日期: 2023-07-01
  • 商品条码: 9787302627296
  • 版次: 1
  • 开本: 16开
  • 页数: 292
  • 出版年份: 2023
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
编辑推荐
《机器学习》有两大特色。一是注重实践,书中每个算法都包括算法原理、算法步骤、实战讲解和实验练习几部分,读者通过实战可以加深对算法的理解,提高应用算法来解决问题的能力。二是注重入门基础,本书逐一讲解模型评估、分类问题、回归问题、聚类问题、降维问题这几大类机器学习的基础算法,帮助读者筑牢机器学习的理论根基,此后遇到相关问题都可以通过这几类算法及其组合来解决。
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
1.1.1Anaconda的下载
1.1.2Anaconda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
……

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网