Python机器学习实践
正版新书 新华官方库房直发 可开电子发票
￥ 50.37 7.3折 ￥ 69 全新
库存3件
作者张建伟 等
出版社清华大学出版社
ISBN9787302612605
出版时间2022-09
版次1
装帧平装
开本16开
纸张胶版纸
页数280页
字数472千字
定价69元
货号SC:9787302612605
上书时间2024-12-24
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
张建伟，郑州轻工业大学教授，长期从事计算机网络和程序设计技术的教育教学活动，经验丰富。现担任河南省“食品安全数据智能”重点实验室主任、河南省“公共安全数据融合与智能服务”工程技术研究中心主任、河南省软件工程重点学科负责人、河南省“软件工程技术与服务”教学团队负责人、重量创新创业孵化基地“星空众创空间”负责人、河南省大众创业导师、河南省计算机教育研究会理事、河南省计算机学会理事。
主编推荐:
" 本书理论与实践并重，通过数学公式推导过程揭示算法背后的数学原理，从贴近生活的案例验证算法的有效性。
本书讲解经典的机器学习算法，每个算法除了数学公式推导，还利用Python中基本的列表、数组和调用机器学习常用工具包两种方式给出算法实现。
本书以西瓜分类、是否相亲、垃圾邮件分类等贴近生活的实例分析每个算法的思想、推导过程、实现及应用，内容讲解通俗易懂，每个算法有完整实现。
本书案例丰富，每一章的算法均提供了相应的案例以验证算法分类、聚类或回归的效果，最后以垃圾邮件分类、手写数字识别、零售商品销售分析预测、个性化推荐为例讲解如何将生活中的具体问题抽象成机器学习中的分类、回归问题进行解决，并理解、掌握机器学习处理问题的方法、步骤。"
内容简介:
本书介绍机器学习经典算法的原理、实现及应用，并通过综合案例讲解如何将实际问题转换为机器学习能处理的问题进行求解。本书配套源码、PPT课件、习题答案、开发环境与QQ群答疑。
本书共分14章。内容包括k近邻算法、朴素贝叶斯、聚类、EM算法、支持向量机、决策树、线性回归、逻辑回归、BP神经网络经典算法，以及垃圾邮件分类、手写数字识别、零售商品销售量分析与预测、个性化推荐等综合案例。本书算法首先给出了数学原理及公式推导过程，然后给出算法实现，最后所有算法及案例均以Python实现，方便读者在动手编程中理解机器学习的经典算法。
本书适合Python机器学习初学者、机器学习开发人员和研究人员使用，也可作为高等院校计算机、软件工程、大数据、人工智能等相关专业的本科生、研究生学习人工智能、机器学习的教材。
目录:
第1章 机器学习基础 1
1.1 机器学习概述 1
1.1.1 什么是机器学习 1
1.1.2 机器学习发展史 3
1.1.3 机器学习、人工智能、深度学习的关系 5
1.2 机器学习相关概念 6
1.3 机器学习的任务 8
1.3.1 监督学习 8
1.3.2 无监督学习 8
1.3.3 半监督学习 9
1.4 机器学习的一般步骤 9
1.5 机器学习Python基础 10
1.5.1 Python开发环境 10
1.5.2 Python基本语法 11
1.5.3 Python列表、元组、字典、集合 13
1.6 本章小结 18
1.7 习题 18
第2章 k近邻算法 19
2.1 k近邻算法原理 19
2.1.1 非参数估计与参数估计 20
2.1.2 非参数估计的一般推导 22
2.2 基于k近邻算法的实现 23
2.2.1 利用直方图估计概率密度、分类 23
2.2.2 利用Parzen矩形窗估计概率密度、分类 28
2.2.3 利用Parzen正态核估计概率密度、分类 29
2.3 k近邻算法应用─鸢尾花的分类 31
2.4 本章小结 35
2.5 习题 35
第3章 贝叶斯分类器 37
3.1 贝叶斯定理相关概念 37
3.1.1 先验概率、条件概率、后验概率与类条件概率 37
3.1.2 贝叶斯决策理论 38
3.1.3 极大似然估计 39
3.2 朴素贝叶斯分类器 42
...
— 没有更多了 —
以下为对购买帮助不大的评价