Python机器学习原理与实践
正版新书 新华官方库房直发 可开电子发票
￥ 43.66 7.4折 ￥ 59 全新
库存2件
作者曹洁[等]编著
出版社清华大学出版社
ISBN9787302600831
出版时间2022-05
版次1
装帧平装
开本16开
纸张胶版纸
页数304页
字数435千字
定价59元
货号SC:9787302600831
上书时间2024-10-15
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:
曹洁：男，郑州轻工业大学副教授，同济大学博士毕业。研究方向：数据分析、机器学习、并行分布式处理。近年在软件学报、电子学报、计算机研究与发展、通信学报等刊物上发表10余篇论文。
主编推荐:
"l内容系统全面：全面介绍机器学习的经典和主流算法。
l原理浅显易懂：循序渐进阐述各类机器学习算法原理。
l原理实践结合：每种机器学习模型配套对应实践案例。
l算法代码实现：使用Python 3.6.x实现书中所有算法。"
内容简介:
本书系统地介绍了机器学习的相关知识。本书共12章，内容包括机器学习、机器学习的数学基础、不同格式数据的读取与写入、数据预处理、回归、决策树分类、贝叶斯分类、支持向量机分类、聚类、人工神经网络、OpenCV图像识别、TensorFlow深度学习。 本书可作为高等院校计算机、人工智能、软件工程、信息管理等相关专业的机器学习课程教材，也可作为相关技术人员的参考书。
目录:
第1章机器学习1
1.1机器学习的概念1
1.2机器学习的形式3
1.2.1监督学习3
1.2.2无监督学习4
1.2.3强化学习4
1.3构建机器学习系统的一般流程4
1.3.1数据预处理4
1.3.2选择预测模型并进行训练、诊断与调优6
1.3.3模型验证与使用未知数据进行预测6
1.4机器学习的典型应用6
1.4.1语音识别7
1.4.2人脸识别7
1.4.3机器翻译8
1.5本章小结8
第2章机器学习的数学基础9
2.1相似性和相异性的度量9
2.1.1数据对象之间的相异度9
2.1.2数据对象之间的相似度11
2.2基于梯度的优化方法13
2.2.1方向导数13
2.2.2梯度15
2.2.3梯度下降优化方法16
2.3概率与统计基础18
2.3.1概率基础18
2.3.2常用的概率分布21
2.3.3联合分布24
2.3.4随机变量的数字特征24
2.3.5优选似然参数估计26
2.4矩阵基础28
2.4.1矩阵的基本概念28
2.4.2特征值与特征向量30
2.4.3矩阵相似31
2.4.4矩阵分解32
2.4.5主成分分析34
2.4.6矩阵运算Python实现36
2.5本章小结39
第3章不同格式数据的读取与写入40
3.1使用csv模块读取和写入csv文件40
3.1.1使用csv.reade
...
— 没有更多了 —
以下为对购买帮助不大的评价