消息首页搜索举报

机器学习案例分析(基于Python语言)

正版二手书，欢迎选购

19.59 2.0折 98 九品

仅1件

北京朝阳

认证卖家担保交易快速发货售后保障

作者王恺

出版社电子工业出版社

ISBN9787121381812

出版时间2020-03

装帧平装

开本16开

定价98元

货号1243373012125340460

上书时间2024-11-14

宏铭图书店

十二年老店

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 19小时
好评率暂无

最新上架

这是谁的嘴巴 ¥10.14

新美南吉童话 ¥19.70

大闹天宫/中国经典故事绘本 ¥12.17

生活中的民法典：看图学法 ¥12.35

建筑装饰施工组织与管理 ¥14.24

案解民法典(群众身边的法律顾问物权编)/案解民法典群众身边的法律顾问系列读本 ¥12.92

幼儿教育费用分担研究 ¥13.61

攀登：坚定从容建设世界一流大学 ¥15.71

情绪自由人生更轻盈/张德芬 ¥14.66

商品详情

品相描述：九品

商品描述: 作者简介
"北京海云捷迅科技有限公司(AWcloud)，靠前靠前的企业级OpenStack云服务提供商。总部位于北京中关村高新技术园区，拥有行业内专业的研发。海云捷迅以OpenStack为契机，与包括Intel、HP、Oracle、Canonical、东软等企业在内的靠前外各大软硬件厂商及IT服务提供商建立了紧密的战略合作关系，构建了一套完整的OpenStack服务生态体系，为企业提供基于OpenStack的私有云、混合云、融合计算等解决方案，为IDC企业提供联合运营服务。此外，还为客户提供OpenStack的架构咨询、设计、实施、培训、运维等一条龙服务。截至目前，海云捷迅已经部署物理服务器超过2000台，运行云主机的规模超过30000台，客户遍及高校、科研院所、新媒体、医疗、IDC、电力、公众服务等领域，在同行业中居于靠前地位。王恺，博士，副教授/硕士生导师，公共计算机基础教学部副主任。研究兴趣包括计算机视觉和机器学习，主持重量、省部级及校企合作项目10余项，在靠前外重要期刊/会议上发表科研论文30余篇。主讲《计算机基础（理）》、《数据结构与算法》、《Python和机器学习入门》、《Python和数据分析基础》等课程，出版教材11部。"

目录
章基础知识 ................................................................................................................. 0011.1 机器学习简介 ....................................................................................................... 0021.1.1 基本概念 .................................................................................................... 0021.1.2 机器学习分类 ............................................................................................ 0031.2 Python 基础 .......................................................................................................... 0051.2.1 Python 编程环境 ....................................................................................... 0051.2.2 基本数据类型 ............................................................................................ 0111.2.3 分支语句和循环语句 ................................................................................ 0181.2.4 函数 ............................................................................................................ 0211.2.5 类和对象 .................................................................................................... 0251.2.6 打开、关闭、读/写文件 ........................................................................... 0281.2.7 异常处理 .................................................................................................... 0311.3 常用第三方库 ....................................................................................................... 0331.3.1 NumPy ....................................................................................................... 0331.3.2 SciPy .......................................................................................................... 0391.3.3 Pandas ....................................................................................................... 0411.3.4 Matplotlib .................................................................................................. 0531.3.5 Scikit-learn ............................................................................................... 0561.4 案例分析 ............................................................................................................... 0581.4.1 网络爬虫及信息提取 ................................................................................ 0581.4.2 股票数据图表绘制 .................................................................................... 0631.5 本章小结 ............................................................................................................... 0691.6 参考文献 ............................................................................................................... 069第2 章分类案例 ................................................................................................................ 0712.1 员工离职预测 ....................................................................................................... 0722.1.1 问题描述及数据集获取 ............................................................................ 0722.1.2 求解思路和相关知识介绍 ........................................................................ 0732.1.3 代码实现及分析 ........................................................................................ 0762.2 Iris 数据分类 ......................................................................................................... 0812.2.1 问题描述及数据集获取 ............................................................................ 0812.2.2 求解思路和相关知识介绍 ........................................................................ 0822.2.3 代码实现及分析 ........................................................................................ 0892.3 新闻文本分类 ....................................................................................................... 0992.3.1 问题描述及数据集获取 ............................................................................ 0992.3.2 求解思路和相关知识介绍 ........................................................................ 1002.3.3 代码实现及分析 ........................................................................................ 1132.4 手写数字识别 ....................................................................................................... 1282.4.1 问题描述及数据集获取 ............................................................................ 1282.4.2 求解思路和相关知识介绍 ........................................................................ 1292.4.3 代码实现及分析 ........................................................................................ 1342.5 本章小结 ............................................................................................................... 1392.6 参考文献 ............................................................................................................... 139第3 章聚类案例 ................................................................................................................ 1433.1 人脸图像聚类 ....................................................................................................... 1443.1.1 问题描述及数据集获取 ............................................................................ 1443.1.2 求解思路和相关知识介绍 ........................................................................ 1463.1.3 代码实现及分析 ........................................................................................ 1503.2 文本聚类 ............................................................................................................... 1623.2.1 问题描述及数据集获取 ............................................................................ 1623.2.2 求解思路和相关知识介绍 ........................................................................ 1633.2.3 代码实现及分析 ........................................................................................ 1673.3 本章小结 ............................................................................................................... 1733.4 参考文献 ............................................................................................................... 174第4 章回归预测案例 ........................................................................................................ 1754.1 房价预测 ............................................................................................................... 1764.1.1 问题描述及数据集获取 ............................................................................ 1764.1.2 求解思路和相关知识介绍 ........................................................................ 1774.1.3 代码实现及分析 ........................................................................................ 1844.2 基于LSTM 的股票走势预测 ............................................................................... 1914.2.1 问题描述及数据集获取 ............................................................................ 1914.2.2 求解思路和相关知识介绍 ........................................................................ 192目录XI4.2.3 代码实现及分析 ........................................................................................ 1974.3 本章小结 ............................................................................................................... 2044.4 参考文献 ............................................................................................................... 204第5 章综合案例................................................................................................................. 2065.1 场景文本检测 ....................................................................................................... 2075.1.1 问题描述及数据集获取 ............................................................................ 2075.1.2 求解思路和相关知识介绍 ........................................................................ 2085.1.3 代码实现及分析 ........................................................................................ 2175.2 面部认证 ............................................................................................................... 2355.2.1 问题描述及数据集获取 ............................................................................ 2365.2.2 求解思路和相关知识介绍 ........................................................................ 2365.2.3 代码实现及分析 ........................................................................................ 2415.3 本章小结 ............................................................................................................... 2755.4 参考文献 ............................................................................................................... 275附录A ..................................................................................................................................... 277A.1 逻辑回归分类器原理介绍 ................................................................................... 278A.2 自己编程实现决策树分类器 ............................................................................... 280A.3 支持向量机的数学推导 ....................................................................................... 287A.3.1 最小间隔优选化 ........................................................................................ 287A.3.2 对偶问题 .................................................................................................... 288A.4 Adaboost 的数学推导和代码实现 ..................................................................... 292A.4.1 数学推导 .................................................................................................... 292A.4.2 代码实现 .................................................................................................... 294A.5 神经网络的数学推导和代码实现 ....................................................................... 298A.5.1 数学推导 ..........................

— 没有更多了 —

机器学习案例分析(基于Python语言)

宏铭图书店

商品详情

相关推荐