python机器学基础 大中专公共计算机 唐四薪 编
本书对机器学的与python程序实现进行了系统的介绍，每种算法都采用sklearn程序实现和matplotlib数据可视化。全书讲解清晰，例题丰富，配有微课。
￥ 39.05 7.0折 ￥ 56 全新
仅1件
作者唐四薪 编
出版社清华大学出版社
ISBN9787302611288
出版时间2022-09
版次1
装帧平装
开本16
页数300页
字数434千字
定价56元
货号xhwx_1202728950
上书时间2024-12-07
- 在售商品 暂无
- 平均发货时间 26小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
主编：
本书对机器学的与python程序实现进行了系统的介绍，每种算法都采用klearn程序实现和matplotlib数据可视化。本书系统介绍了python数据分析基础、关联规则与算法、聚类算法及其应用、分类算法及其应用、回归与逻辑回归、人工神经网络、支持向量机等内容，还介绍了机器学的热门应用领域技术，并给出了华为机器学台上的实验。本书深入浅出、内容全面、案例丰富，配备微课，每章后都有题和参文献，便于读者巩固学。本书可作为高等院校相关专业机器学或人工智能等课程的教材。也可供从事大数据分析、机器学的人员作为参书。
目录：
章 python语言基础
1.1 python程序人门
1.1.1 一些简单的python程序
1.1.2 序列数据结构
1.1.3 序列处理函数
1.1.4 函数和类
1.2 python集成开发环境
1.2.1 anaconda的使用
1.2.2 spyder集成开发环境
1.3 numpy库
1.3.1 numpy数组
1.3.2 numpy数组的形状作
1.3.3 提取数组的行或列
1.3.4 numpy矩阵
1.4 数据可视化——matplotlib库
1.4.1 绘制曲线图
1.4.2 绘制散点图等其他图形
1.5 scipy库
题
第2章 机器学概述
2.1 机器学的概念和步骤
2.1.1 机器学的一般过程
2.1.2 机器学的定义
2.1.3 机器学的过程举例
2.1.4 评估机器学模型的效果
2.2 机器学的预处理环节
2.2.1 数据获取
2.2.2 数据预处理
2.2.3 数据标准化
2.2.4 数据降维
2.3 机器学的类型
2.3.1 按完成的任务分类
2.3.2 按学的过程分类
2.4 机器学的发展历史和应用领域
2.4.1 机器学的发展历史
2.4.2 机器学的应用领城
2.5 scikit-learn机器学库
2.5.1 样本及样本的划分
2.5.2 导入或创建数据集
2.5.3 数据预处理
2.5.4 数据的降维
2.5.5 调用机器学模型
题
第3章 关联规则与算法
3.1 关联规则挖掘
3.1.1 基本概念
3.1.2 apriori算法
3.1.3 apriori算法的程序实现
3.1.4 fp-growth算法
3.2 系统及算法
3.2.1 协同过滤算法
3.2.2 协同过滤算法应用实例
3.3 电影节目实例
题
第4章 聚类
4.1 聚类的与实现
4.1.1 聚类的概念和类型
4.1.2 如何度量距离
4.1.3 聚类的基本步骤
4.2 层次聚类算法
4.2.1 算法和实例
4.2.2 算法的sklearn实现
4.3 k-means聚类算法
4.3.1 算法和实例
4.3.2 算法中值的确定
4.3.3 算法的sklearn实现
4.4 k-medoids聚类算法
4.4.1 算法和实例
4.4.2 算法的sklearn实现
4.5 dbscan聚类算法
4.5.1 算法和实例
4.5.2 算法的sklearn实现
4.6 optics聚类算法
4.6.1 算法的
4.6.2 算法的sklearn实现
4.7 gmm聚类算法
4.7.1 算法的
4.7.2 算法的sklearn实现
4.8 利用聚类实现车牌识别
题
第5章 分类
5.1 分类的和步骤概述
5.1.1 分类与聚类的区别
5.1.2 分类的步骤
5.1.3 分类模型预测结果的评估
5.1.4 sklearn库的常用分类算法
5.2 k-近邻分类算法
5.2.1 k-近邻算法和实例
5.2.2 sklearn中分类算法的编程步骤
5.2.3 k-近邻分类的sklearn实现
5.2.4 绘制分类边界图
5.2.5 确定优的k值
5.3 朴素贝叶斯分类算法
5.3.1 算法与实例
5.3.2 算法的常见问题
5.3.3 算法的sklearn实现
5.4 决策树分类算法
5.4.1 信息论基础
5.4.2 id3算法
5.4.3 c4.5算法
5.4.4 cart算法
5.4.5 算法的sklearn程序实现
5.5 森林分类算法
5.5.1 集成学理论
5.5.2 森林分类的理论与实例
……
内容简介：
本书对机器学算法的基本和python程序实现进行了系统的介绍，每种算法都采用klearn程序实现和matplotlib数据可视化。本书共8章，内容包括python语言基础、机器学概述、关联规则与算法、聚类、分类、回归与逻辑回归、人工神经网络和支持向量机。 本书可作为高等院校相关专业机器学或人工智能概论等课程的教材，也可作为从事人工智能、机器学研究和应用的人员的参书。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价