消息 首页 搜索 举报
  • 机器学习技术 艾旭升 电子工业出版社 9787121375491
21年品牌 40万+商家 超1.5亿件商品

机器学习技术 艾旭升 电子工业出版社 9787121375491

正版旧书 里面部分笔记 内容完好 可正常使用 旧书不附带光盘

￥ 6.52 八五品

库存6件

江西南昌
认证卖家担保交易快速发货售后保障

作者艾旭升

出版社电子工业出版社

ISBN9787121375491

出版时间2020-10

装帧线装

页数268页

货号4419345

上书时间2024-03-15

有路官方旗舰店

九年老店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：八五品
商品描述
温馨提示：亲！旧书库存变动比较快，有时难免会有断货的情况，为保证您的利益，拍前请务必联系卖家咨询库存情况！谢谢！
书名：机器学习技术
编号：4419345
ISBN：9787121375491[十位:]
作者：艾旭升
出版社：电子工业出版社
出版日期：2020年10月
页数：268
定价：44.00 元
参考重量：0.490Kg
-------------------------
新旧程度：6-9成新左右，不影响阅读，详细情况请咨询店主
如图书附带、磁带、学习卡等请咨询店主是否齐全* 图书目录 *
项目1?项目环境的准备 任务1.1?项目相关基本概念 1.1.1?概述 1.1.2?机器学习发展简史 1.1.3?机器学习的一般步骤 1.1.4?机器学习的主要任务 1.1.5?模型评估 1.1.6?如何选择合适的算法 1.1.7?项目中关键术语 任务1.2?项目中常用模型 1.2.1?k近邻 1.2.2?回归 1.2.3?决策树 1.2.4?贝叶斯分类 1.2.5?支持向量机 1.2.6?集成学习 1.2.7?聚类 1.2.8?深度神经网络 任务1.3?Python PyCharm环境配置 1.3.1?为什么选用Python 1.3.2?PyCharm Python开发环境配置 1.3.3?NumPy安装与PyCharm引入 任务1.4?常用Python分析工具配置 1.4.1?基本知识 1.4.2?*机器学习案例电影分类业务理解 1.4.3?应用Pandas实现电影分类数据读取 1.4.4?应用Matplotlib实现电影分类数据可视化 1.4.5?应用Sklearn实现电影分类学习过程 1.5?项目复盘 1.6?实操练习 项目2?k近邻回归与分类 任务2.1?k近邻算法概述 2.1.1?什么是k近邻算法 2.1.2?应用Python实现k近邻算法 2.1.3?值的选择与过拟合问题 任务2.2?k近邻算法实现葡萄酒分类 2.2.1?葡萄酒数据的准备 2.2.2?应用Pandas读取葡萄酒实验文本数据 2.2.3?数据分布可视化分析 2.2.4?数据清洗 2.2.5?数据标准化 2.2.6?值的选择 2.2.7?构建完整可用的葡萄酒kNN分类器 2.2.8?结果分析 2.3?项目复盘 2.4?实操练习 项目3?线性回归预测与逻辑回归分类 任务3.1?项目准备 3.1.1?线性回归基本知识 3.1.2?普通*小二乘法 3.1.3?回归方程评估 3.1.4?欠拟合问题 3.1.5?多重共线性问题 3.1.6?岭回归 任务3.2?波士顿房价线性回归预测 3.2.1?数据的准备 3.2.2?应用Pandas读取数据 3.2.3?使用Matplotlib进行数据可视化分析 3.2.4?特征降维处理 3.2.5?线性回归模型降维分析 3.2.6?多项式特征生成 任务3.3?茑尾花逻辑回归分类 3.3.1?逻辑回归基本知识 3.3.2?鸢尾花逻辑回归分类 3.3.3?性能指标ROC和AUC 3.4?项目复盘 3.5?实操练习 项目4?决策树分类与回归 任务4.1?决策树构造 4.1.1?决策树归纳算法基本策略 4.1.2?树的划分规则 4.1.3?树的剪枝处理 任务4.2?鸢尾花决策树分类 4.2.1?决策树分类Python编程 4.2.2?鸢尾花决策树分类深度与过拟合 4.2.3?鸢尾花决策树分类模型与评估 任务4.3?波士顿房价决策树回归 4.3.1?决策树回归Python编程 4.3.2?波士顿房价决策树回归深度与过拟合 4.3.3?波士顿房价决策树回归模型预测与评估 4.4?项目复盘 4.5?实操练习 项目5?贝叶斯分类 任务5.1?知识准备 5.1.1?概述 5.1.2?贝叶斯推断 5.1.3?朴素贝叶斯推断 任务5.2?鸢尾花GaussianNB分类 5.2.1?高斯朴素贝叶斯 5.2.2?鸢尾花分类Python编程 任务5.3?邮件MultinomialNB分类 5.3.1?多项式朴素贝叶斯 5.3.2?邮件贝叶斯过滤分类 5.3.3?数据准备与停用词表准备 5.3.4?中文切分与字符过滤及停用词处理 5.3.5?获取全部训练集中单词列表和频次*高的单词集 5.3.6?获取高频词数据集在邮件中的频次 5.3.7?应用MultinomialNB创建贝叶斯模型训练数据 5.3.8?应用MultinomialNB实现未知邮件分类预测 5.4?项目复盘 5.5?实操练习 项目6?支持向量机 任务6.1?知识准备 6.1.1?基本原理 6.1.2?线性可分与线性不可分 6.1.3?二分类实现 6.1.4?硬间隔与软间隔 6.1.5?应用GridSearchCV自动优选超参数 任务6.2?基于SVM手写数字识别技术 6.2.1?数据的准备与业务分析 6.2.2?手写数字图片可视化显示 6.2.3?应用GridSearchCV寻找高斯核*优参数 6.2.4?数字识别模型实现 任务6.3?半导体制造过程信息传递判定 6.3.1?准备并解析数据 6.3.2?应用Python读取和探查数据 6.3.3?组织需要的数据 6.3.4?数据预处理 6.3.5?建立半导体制造过程智能分类模型 6.3.6?保存训练模型和分类的结果 6.3.7?模型性能分析 6.3.8?模型性能可视化分析 6.5?项目复盘 6.6?实操练习 项目7?个体学习与集成学习 任务7.1?知识准备 任务7.2?基于kNN学习器Bagging应用 7.2.1?Bagging基本知识 7.2.2?Python鸢尾花分类编程 任务7.3?随机森林回归与分类 7.3.1?随机森林基本知识 7.3.2?随机森林波士顿房价回归预测 7.3.3?随机森林鸢尾花数据两特征组合分类 任务7.4?Boosting应用 7.4.1?Boosting基本知识 7.4.2?AdaBoost鸢尾花数据两特征组合分类 7.4.3?XGBoost葡萄酒分类 7.5?项目复盘 7.6?实操练习 项目8?聚类 任务8.1?知识准备 8.1.1?聚类基本知识 8.1.2?聚类中的主要问题 8.1.3?常用聚类算法 任务8.2?基于K-Means鸢尾花分类 8.2.1?基本知识 8.2.2?数据读取 8.2.3?构建K-Means分类模型 8.2.4?K-Means模型性能评估 8.2.5?K-Means模型结果可视化 8.3?项目复盘 8.4?实操练习 项目9?深度神经网络 任务9.1?知识准备 9.1.1?深度前馈神经网络 9.1.2?示例:印第安人糖尿病诊断 9.1.3?卷积神经网络 9.1.4?循环神经网络和长短期记忆网络 9.1.5?示例:基于LSTM的国际旅行人数预测 任务9.2?基于CNN的时间戳图像识别 9.2.1?准备数据:从视频图像中分割时间数字 9.2.2?分析数据:初始化CNN的网络结构 9.2.3?处理数据:训练CNN的网络参数 9.2.4?使用算法:时间戳识别算法 9.2.5?结果分析:测试CNN模型 9.3?项目复盘 9.4?实操练习
  • 机器学习技术 艾旭升 电子工业出版社 9787121375491

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP