消息 首页 搜索 举报
  • 机器学习与计算思维 杨娟著 杨娟 科学出版社 9787030745187
21年品牌 40万+商家 超1.5亿件商品

机器学习与计算思维 杨娟著 杨娟 科学出版社 9787030745187

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

￥ 14.7 八五品

仅1件

江西南昌
认证卖家担保交易快速发货售后保障

作者杨娟

出版社科学出版社

ISBN9787030745187

出版时间2023-02

装帧线装

页数152页

货号4799127

上书时间2024-07-30

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：机器学习与计算思维  杨娟著
编号：4799127
ISBN：9787030745187[十位:]
作者：杨娟
出版社：科学出版社
出版日期：2023年02月
页数：152
定价：49.00 元
参考重量：0.290Kg
-------------------------
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 *
目录 第1章 人工智能与计算思维 1 1.1 人工智能 1 1.2 机器学习 2 1.3 机器学习中的计算思维 6 1.4 本章小结 7 课后练习 7 第2章 机器学习理论基础 8 2.1 数据集 8 2.1.1 描述空间、属性、特征和维度 8 2.1.2 复合特征 9 2.1.3 特征空间降维 10 2.1.4 特征缩放及特征编码 11 2.2 机器学习中对误差的估计 12 2.3 代价函数、损失函数和目标函数 14 2.4 数据预处理 14 2.5 Python中机器学习基本流程 15 2.6 sklearn的安装 17 2.7 本章小结 19 课后练习 19 第3章 线性回归模型 20 3.1 什么是线性回归模型 20 3.2 简单线性回归模型 21 3.2.1 模型建立 21 3.2.2 不插电模拟模型训练 22 3.2.3 sklearn中使用简单线性回归模型 23 3.2.4 模型性能评价 24 3.3 多元线性回归模型 26 3.3.1 模型建立 26 3.3.2 不插电使用梯度下降法求解系数 28 3.3.3 sklearn中使用多元线性回归模型 30 3.4 多项式回归 32 3.5 学习曲线 34 3.6 线性回归模型中的计算思维 37 课后练习 38 第4章 逻辑回归模型 40 4.1 Sigmoid函数 40 4.2 逻辑回归的基本模型 40 4.3 逻辑回归模型的代价函数 41 4.4 在sklearn中使用逻辑回归模型进行二元分类 42 4.5 广义线性回归模型的防止过拟合策略 43 4.5.1 正则式 43 4.5.2 在sklearn中使用L1和L2范数优化模型 44 4.6 逻辑回归中的计算思维 46 课后练习 47 第5章 KNN分类和回归 48 5.1 KNN算法的模型 48 5.2 不插电使用KNN模型进行分类 48 5.3 不插电使用KNN回归模型 50 5.4 F1分数 52 5.5 KNN中的特征标准化 56 5.6 KNN模型的计算思维 58 课后练习 59 第6章 朴素贝叶斯 60 6.1 贝叶斯公式 60 6.2 朴素贝叶斯模型 61 6.2.1 朴素贝叶斯模型的基本原理 61 6.2.2 不插电运用朴素贝叶斯公式进行分类预测 62 6.3 高斯朴素贝叶斯(Gaussian NB) 63 6.3.1 高斯朴素贝叶斯的原理 63 6.3.2 不插电运用高斯朴素贝叶斯 65 6.4 sklearn中的朴素贝叶斯模型 67 6.5 在sklearn中使用NB模型 68 6.6 ROC曲线和AUC面积 70 6.7 朴素贝叶斯模型与计算思维 73 课后练习 73 第7章 决策树和随机森林 75 7.1 决策树的表达方式 75 7.2 训练决策树的算法 76 7.2.1 ID3算法的基本原理 76 7.2.2 不插电使用ID3算法构建决策树 76 7.2.3 C4.5算法 81 7.2.4 CART算法 82 7.3 sklearn中使用DecisionTreeClassifier和DecisionTreeRegression工具 83 7.3.1 sklearn中使用DecisionTreeClassifier 83 7.3.2 sklearn中使用DecisionTreeRegressor 84 7.4 随机森林和集成学习 86 7.4.1 随机森林 86 7.4.2 推进法(boosting) 87 7.4.3 不插电应用AdaBoost 88 7.5 决策树中的计算思维 90 课后练习 91 第8章 感知器和人工神经网络ANN 92 8.1 感知器 92 8.1.1 感知器的基本原理 92 8.1.2 不插电训练单层感知器 94 8.2 多层感知器(MLP) 96 8.2.1 多层感知器的基本原理 96 8.2.2 不插电运用两层感知器解决XOR(异或)问题 97 8.3 反传多层感知器 99 8.3.1 ANN的激励函数 99 8.3.2 ANN的网络结构和节点构成 100 8.3.3 ANN中的反传学习算法(BP) 100 8.3.4 BP的不插电示例 104 8.4 使用sklearn的ANN工具 107 8.5 人工神经网络的计算思维 107 课后练习 109 第9章 支持向量机 111 9.1 支持向量机SVM的基本原理 111 9.1.1 SVM中用于分类的超平面 111 9.1.2 SVM的目标函数 113 9.1.3 SVM的目标函数求解 114 9.2 单层感知器的对偶形式 114 9.3 SVM的核函数 117 9.4 sklearn中使用SVM工具分类 118 课后练习 120 第10章 聚类 121 10.1 聚类算法的原理 121 10.2 K均值(K-means)聚类算法 122 10.2.1 K均值算法基本原理 122 10.2.2 利用K均值算法进行不插电聚类 122 10.2.3 K值的选择 126 10.3 模糊C均值(FCM)聚类算法 126 10.4 轮廓系数 128 10.5 使用sklearn的K均值算法对数据进行聚类 129 10.6 聚类模型与计算思维 131 课后练习 131 第11章 主成分分析(PCA)降维 132 11.1 PCA的基本思想 132 11.2 协方差矩阵 133 11.3 PCA算法的实现 135 11.4 PCA降维算法的一个实例 136 11.5 调用sklearn的PCA模型来验证上述算法 138 11.6 PCA降维的计算思维 140 课后练习 140 部分课后习题答案 141 第3章 课后练习答案 141 第5章 课后练习答案 144 第6章 课后练习答案 146 第7章 课后练习答案 147 第8章 课后练习答案 148 第9章 课后练习答案 150 第10章 课后练习答案 151 第11章 课后练习答案 151 参考文献 153
  • 机器学习与计算思维 杨娟著 杨娟 科学出版社 9787030745187

   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