消息首页搜索举报

机器学与实践(python版) 人工智能新华正版

人工智能新华书店全新正版书籍支持7天无理由

58.55 6.6折 89 全新

库存8件

河北保定

认证卖家担保交易快速发货售后保障

作者作者

出版社清华大学出版社

ISBN9787302566397

出版时间2021-02

版次1

装帧平装

开本16开

页数404页

字数570千字

定价89元

货号xhwx_1202306846

上书时间2023-12-27

浩子书屋

九年老店

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 17小时
好评率暂无

最新上架

消融实践作培训教程西医教材作者新华正版 ¥167.79

网店页面设计、布局、配、装修一本通市场营销孙东梅新华正版 ¥39.25

新型肉制品加工技术轻纺许瑞,杜连启主编新华正版 ¥27.73

看迪士尼电影学英文外语－实用英语美国迪士尼公司新华正版 ¥25.33

详尽的式点心教科书烹饪 ()梶山浩司新华正版 ¥21.03

新思维市场营销销售有道编委会编新华正版 ¥34.74

低碳时代的物流企业发展物流管理王丽萍,李创新华正版 ¥50.30

旧制度与大外国历史 (法)托克维尔(ales de tocqueville) 新华正版 ¥19.50

海底两万里法国图书馆馆藏古版全译本外国文学名著读物 (法)儒勒·凡尔纳新华正版 ¥19.21

商品详情

品相描述：全新: 正版特价新书

商品描述: 目录：

章机器学初探

1.1初识机器学

1.1.1从小蝌蚪找妈妈谈起

1.1.2机器学的主要任务

1.2工欲善其事，必先利其器

1.2.1scikit-learn

1.2.2numpy

1.2.3scipy

1.2.4matplotlib

1.2.5pandas

1.3简单的机器学模型

1.3.1贝叶斯公式与边缘分布

1.3.2先验概率与后验概率

1.3.3朴素贝叶斯分类器

1.4泰坦尼克之灾

1.4.1认识问题及数据

1.4.2数据预处理

1.4.3特征筛选

1.4.4分类器的构建

1.4.5分类器的评估

第2章一元线回归

2.1回归分析的质

2.2回归的基本概念

2.2.1体的回归函数

2.2.2干扰的意义

2.2.3样本的回归函数

2.3回归模型的估计

2.3.1普通小二乘

2.3.2一元线回归的应用

2.3.3经典模型的基本定

2.3.4体方差的无偏估计

2.3.5估计参数的概率分布

2.4正态条件下的模型检验

2.4.1拟合优度的检验

2.4.2整体定检验

2.4.3单个参数的检验

2.5一元线回归模型预测

2.5.1点预测

2.5.2区间预测

第3章多元线回归

3.1多元线回归模型

3.2多元回归模型估计

3.2.1小二乘估计量

3.2.2多元回归的实例

3.2.3体参数估计量

3.3从线代角度理解小二乘

3.3.1小二乘问题的通解

3.3.2小二乘问题的计算

3.4多元回归模型检验

3.4.1线回归的显著

3.4.2回归系数的显著

3.5多元线回归模型预测

3.6格兰杰因果关系检验

第4章线回归

4.1更多回归模型函数形式

4.1.1双对数模型以及生产函数

4.1.2倒数模型与斯曲线

4.1.3多项式回归模型及其分析

4.2回归模型的评估与选择

4.2.1嵌套模型选择

4.2.2赤池信息准则

4.3现代回归方的新进展

4.3.1多重共线

4.3.2从岭回归到lasso

4.3.3正则化与没有费午餐

4.3.4弹网络

4.3.5ransac

第5章逻辑回归与优选熵模型

5.1逻辑回归

5.2牛顿解逻辑回归

5.3应用实例：二分类问题

5.3.1数据初探

5.3.2建模

5.4多元逻辑回归

5.5优选熵模型

5.5.1优选熵

5.5.2约束条件

5.5.3模型推导

5.5.4极大似然估计

5.6应用实例：多分类问题

5.6.1数据初探

5.6.2建模

第6章神经网络

6.1从感知机开始

6.1.1感知机模型

6.1.2感知机学

6.1.3多层感知机

6.1.4感知机应用示例

6.2基本神经网络

6.2.1神经网络结构

6.2.2符号标记说明

6.2.3后向传播算

6.3神经网络实践

6.3.1建模

6.3.2softmax与神经网络

第7章支持向量机

7.1线可分的支持向量机

7.1.1函数距离与几何距离

7.1.2优选间隔分类器

7.1.3拉格朗乘数

7.1.4对偶问题的求解

7.2松弛因子与软间隔模型

7.3非线支持向量机方

7.3.1从更高维度上分类

7.3.2非线核函数方

7.3.3机器学中的核方

7.3.4默瑟定理

7.4对数据进行分类的实践

7.4.1数据分析

7.4.2线可分的例子

7.4.3线不可分的例子

第8章k近邻算

8.1距离度量

8.2k近邻模型

8.2.1分类

8.2.2回归

8.3在python中应用k近邻算

8.4k近邻搜索的实现

8.4.1构建k-d-tree

8.4.2区域搜索

8.4.3近邻搜索

第9章决策树

9.1决策树基础

9.1.1hunt算

9.1.2基尼测度与划分

9.1.3信息熵与信息增益

9.1.4分类误差

9.2决策树

9.2.1id3算

9.2.2c4.5算

9.3分类回归树

9.4决策树剪枝

9.5决策树应用实例

0章集成学

10.1集成学的理论基础

10.2bootstrap方

10.3bagging与森林

10.3.1算

10.3.2应用实例

10.4boosting与adaboost

10.4.1算

10.4.2应用实例

10.5梯度提升

10.5.1梯度提升树与回归

10.5.2梯度提升树与分类

10.5.3梯度提升树的推导

1章聚类分析

11.1聚类的概念

11.2k均值算

11.2.1算描述

11.2.2应用实例——图像的彩量化

11.3优选期望算

11.3.1算

11.3.2收敛探讨

11.4高斯混合模型

11.4.1模型推导

11.4.2应用实例

11.5密度聚类

11.5.1dbscan算

11.5.2应用实例

11.6层次聚类

11.6.1agnes算

11.6.2应用实例

11.7谱聚类

11.7.1基本符号

11.7.2正定矩阵与半正定矩阵

11.7.3拉普拉斯矩阵

11.7.4相似图

11.7.5谱聚类切图

11.7.6算描述

11.7.7应用实例

2章降维与流形学

12.1主成分分析

12.2奇异值分解

12.2.1一个基本的认识

12.2.2为什么可以做svd

12.2.3svd与pca的关系

12.2.4应用举例与矩阵的伪逆

12.3多维标度

3章采样方

13.1蒙特卡洛求定积分

13.1.1无意识统计学家则

13.1.2投点

13.1.3期望

13.2蒙特卡洛采样

13.2.1逆采样

13.2.2博克斯-穆勒变换

13.2.3拒绝采样与自适应拒绝采样

13.3矩阵的极限与马尔科夫链

13.4查普曼-柯尔莫哥洛夫等式

13.5马尔科夫链蒙特卡洛

13.5.1重要采样

13.5.2马尔科夫链蒙特卡洛的基本概念

13.5.3梅特罗波利斯-黑斯廷斯算

13.5.4吉布斯采样

4章概率图模型

14.1共轭分布

14.2贝叶斯网络

14.2.1基本结构单元

14.2.2模型推理

14.3贝叶斯网络的python实例

14.4隐马尔科夫模型

14.4.1过程

14.4.2从时间角度虑不确定

14.4.3前向算

14.4.4维特比算

内容简介：

本书全面、系统地介绍了机器学领域中的经典方，并兼顾算与实践运用。本书具体内容涉及回归分析（线回归、多项式回归、非线回归、岭回归、lasso、弹网络以及ransac等）、分类（感知机、逻辑回归、朴素贝叶斯、决策树、支持向量机、人工神经网络等）、聚类（k均值、em算、密度聚类、层次聚类以及谱聚类等）、集成学（森林、adaboost、梯度提升等）、蒙特卡洛采样（拒绝采样、自适应拒绝采样、重要采样、吉布斯采样和马尔科夫链蒙特卡洛等）、降维与流形学（svd、pca和mds等），以及概率图模型（例如，贝叶斯网络和隐马尔科夫模型）等话题。本书是机器学及相关课程的参书，可供高等院校人工智能、机器学或数据挖掘等相关专业的师生使用，也可供从事计算机应用，特別是数据科学相关专业的研发人员参。

作者简介：

左飞，技术作家、译者。著作涉及图像处理、编程语言和移动通信等多个领域，并翻译出版了计算机领域的经典之作编码，及jolt震撼大奖获奖作品代码阅读和代码质量等多部图书。在数据分析、信息安全和图像处理领域也有较深研究，在靠前会议与核术期刊上发布多篇，并申请发明一项，多部相关著作再版多次、广受。现在的研究兴趣主要集中在图像处理、机器学、数据分析技术和空间数据库算等领域。