消息 首页 搜索 举报
  • Python机器学习基础 王鲁昆 人民邮电出版社 9787115562173
21年品牌 40万+商家 超1.5亿件商品

Python机器学习基础 王鲁昆 人民邮电出版社 9787115562173

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

￥ 17.43 九品

库存3件

江西南昌
认证卖家担保交易快速发货售后保障

作者王鲁昆

出版社人民邮电出版社

ISBN9787115562173

出版时间2023-04

装帧线装

页数192页

货号4818906

上书时间2024-06-21

有路官方旗舰店

八年老店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：九品
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：Python机器学习基础
编号：4818906
ISBN：9787115562173[十位:]
作者：王鲁昆
出版社：人民邮电出版社
出版日期：2023年04月
页数：192
定价：49.80 元
参考重量：0.200Kg
-------------------------
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 *
第 1章 概述 1 1.1 什么是机器学习 1 1.2机器学习的算法 2 1.3 监督学习 2 1.4 无监督学习 3 1.5 数据集 4 1.6 机器学习项目的流程 6 1.7 小结 7 习题1 7 第 2章 Python入门 9 2.1 Python语言介绍 9 2.2 Python平台搭建 9 2.3 Python的基本概念 11 2.3.1 数据类型 11 2.3.2 基本运算 14 2.3.3 控制语句 15 2.3.4 复杂数据类型 16 2.3.5 函数 18 2.4 Python库的使用 18 2.5 小结 24 习题2 24 第3章 分类算法 25 3.1 K近邻算法 25 3.1.1 算法介绍 25 3.1.2 算法应用 27 3.1.3 算法的优缺点 37 3.2 朴素贝叶斯算法 38 3.2.1 算法介绍 38 3.2.2 算法实现 39 3.2.3 算法的优缺点 43 3.3 逻辑回归 44 3.3.1 算法介绍 44 3.3.2 算法实现 46 3.3.3 算法的优缺点 48 3.4 支持向量机 48 3.4.1算法介绍 48 3.4.2 算法实现 53 3.4.3 算法的优缺点 55 3.5决策树 55 3.5.1算法介绍 55 3.5.2算法实现 58 3.5.3算法的优缺点 61 3.6随机森林 62 3.6.1算法介绍 62 3.6.2算法实现 63 3.6.3 算法的优缺点 65 3.7 人工神经网络 65 3.7.1 算法介绍 65 3.7.2 项目实现 68 3.7.3 算法的优缺点 71 3.8 分类器的不确定性 71 3.8.1 决策函数 72 3.8.2 预测函数 72 3.8.3 多分类的不确定性 73 3.9 小结 74 习题3 75 第4章 回归算法 76 4.1 线性回归 76 4.1.1 线性模型 76 4.1.2 线性回归 78 4.1.3 多项式回归 81 4.1.4 算法的优缺点 82 4.2 岭回归 83 4.2.1 算法介绍 83 4.2.2 算法实现 83 4.2.3 算法的优缺点 87 4.3 LASSO回归 87 4.3.1 算法介绍 87 4.3.2 算法实现 88 4.3.3 算法的优缺点 91 4.4 支持向量回归机 91 4.4.1算法介绍 91 4.4.2算法实现 93 4.4.3算法的优缺点 94 4.5 回归树 95 4.5.1 算法介绍 95 4.5.2 算法实现 96 4.5.3 算法优缺点 97 4.6 小结 98 习题4 98 第5章 聚类算法 99 5.1 K均值凝聚聚类 99 5.1.1 算法介绍 99 5.1.2 算法实现 100 5.1.3 算法的优缺点 103 5.2 层次聚类 103 5.2.1 算法介绍 103 5.2.2 算法实现 104 5.2.3 算法的优缺点 107 5.3 DBSCAN算法 108 5.3.1 算法介绍 108 5.3.2 算法实现 108 5.3.3 算法的优缺点 111 5.4 Mean Shift 111 5.4.1 算法介绍 111 5.4.2 算法实现 112 5.4.3 算法的优缺点 114 5.5 Label Propagation 114 5.5.1 算法介绍 115 5.5.2 算法实现 115 5.5.3 算法优缺点 116 5.6 小结 116 习题5 117 第6章 数据预处理 118 6.1 数据清洗 118 6.1.1 缺失值处理 118 6.1.2 异常值处理 126 6.2 数据变换 130 6.2.1 无量纲化 130 6.2.2 离散化 131 6.2.3 对类别特征编码 133 6.2.4 多项式特征 137 6.3 数据规约 142 6.4小结 143 习题6 143 第7章 特征工程 144 7.1 特征提取 144 7.1.1 字典特征提取 144 7.1.2 文本特征提取 145 7.1.3 图像特征提取 151 7.2特征选择 154 7.2.1 Filter 154 7.2.2 Wrapper 157 7.2.3 Embedded 158 7.3 降维 159 7.4 小结 164 习题7 164 第8章 模型评估及改进 165 8.1 交叉验证 165 8.1.1 K折交叉验证 165 8.1.2 分层K折交叉检验 166 8.1.3 留一交叉验证和打乱划分交叉验证 168 8.2 网格搜索 169 8.3 评估指标 177 8.3.1 分类评估指标 178 8.3.2 回归评估指标 189 8.4 小结 191 习题8 191 第9章 综合实战 192 9.1 管道模型 192 9.2 文本数据处理 197 9.2.1 扩展与深化——不同种方式的文本数据处理 197 9.2.2 文本数据的优化处理 203 9.3 泰坦尼克号数据分析 208 9.4 小结 217 习题9 217 参考文献 219
  • Python机器学习基础 王鲁昆 人民邮电出版社 9787115562173

—  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