全新正版 Python机器学习（原书第3版） 塞巴斯蒂安·拉施卡(SebastianRaschka),瓦希德·米尔贾利利(VahidMirjalili) 9787111681373 机械工业出版社
本店所售图书，保证正版新书，有个别图片和实书封面不一样，以实书封面为准，最快当天，一般隔天发货。支持7天无理由退换货.开票联系客服
￥ 110.07 7.4折 ￥ 149 全新
库存8件
北京西城
认证卖家担保交易快速发货售后保障
作者塞巴斯蒂安·拉施卡(SebastianRaschka),瓦希德·米尔贾利利(VahidMirjalili)
出版社机械工业出版社
ISBN9787111681373
出版时间2021-05
装帧平装
开本16开
定价149元
货号31155320
上书时间2023-04-15
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
目录
译者序
前言
作者简介
审校者简介
章赋予计算机从数据中学习的能力
1.1构建能把数据转换为知识的智能机器
1.2三种不同类型的机器学习
1.2.1用监督学习预测未来
1.2.2用强化学习解决交互问题
1.2.3用无监督学习发现隐藏的结构
1.3基本术语与符号
1.3.1本书中使用的符号和约定
1.3.2机器学习的术语
1.4构建机器学习系统的路线图
1.4.1预处理——整理数据
1.4.2训练和选择预测模型
1.4.3评估模型并对未曾谋面的数据进行预测
1.5将Python用于机器学习
1.5.1利用PythonPackageIndex安装Python及其他软件包
1.5.2采用AnacondaPython发行版和软件包管理器
1.5.3用于科学计算、数据科学和机器学习的软件包
1.6本章小结
第2章训练简单的机器学习分类算法
2.1人工神经元——机器学习的早期历史
2.1.1人工神经元的正式定义
2.1.2感知器学习规则
2.2用Python实现感知器学习算法
2.2.1面向对象的感知器API
2.2.2在鸢尾花数据集上训练感知器模型
2.3自适应线性神经元和学习收敛
2.3.1通过梯度下降最小化代价函数
2.3.2用Python实现Adaline
2.3.3通过特征缩放改善梯度下降
2.3.4大规模机器学习与随机梯度下降
2.4本章小结
第3章scikit-learn机器学习分类器
3.1选择分类算法
3.2了解scikit-learn的步——训练感知器
3.3基于逻辑回归的分类概率建模
3.3.1逻辑回归与条件概率
……
第4章构建良好的训练数据集——数据预处理
第5章通过降维压缩数据
第6章模型评估和超参数调优的最佳实践
第7章组合不同模型的集成学习
第8章用机器学习进行情感分析
第9章将机器学习模型嵌入Web应用
0章用回归分析预测连续目标变量
1章用聚类分析处理无标签数据
2章从零开始实现多层人工神经网络
3章用TensorFlow并行训练神经网络
4章深入探讨TensorFlow的工作原理
5章用深度卷积神经网络为图像分类
6章用循环神经网络为序列数据建模
7章用生成对抗网络合成新数据
8章用于复杂环境决策的强化学习
— 没有更多了 —
以下为对购买帮助不大的评价