跟我一起学机器学习
正版新书 新华官方库房直发 可开电子发票
￥ 50.99 7.4折 ￥ 69 全新
库存5件
作者编者:王成//黄晓辉|责编:赵佳霓
出版社清华大学出版社
ISBN9787302592846
出版时间2022-07
版次1
装帧平装
开本16开
纸张胶版纸
页数248页
字数346千字
定价69元
货号SC:9787302592846
上书时间2024-12-14
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:
"王成，华东交通大学计算机应用技术硕士毕业，机器学习领域CSDN与知乎专栏常驻作者。
黄晓辉，哈尔滨工业大学计算机科学与技术博士毕业，华东交通大学信息工程学院副教授，南洋理工大学计算机科学与工程学院访问学者。长期从事深度学习、机器学习相关领域的研究工作，主持过多项重量和省级课题，并获得过多项研究专利。"
主编推荐:
笔者根据多年的学习和工作经验，总结出一条有效的学习路线：先抓主干，后抓枝节。学习一个算法就好比遍历一棵大树上的所有枝节，算法越是复杂其对应的枝叶也就越多。一个算法的学习，笔者将它归结成了5个层次：理解主要思想、掌握算法原理、熟练开源模型、完成数学推导和进行源码实现，帮助读者分阶段地学习，轻松迈入机器学习的大门。
内容简介:
本书系统地阐述机器学习中常见的几类算法模型，包括模型的思想、原理及实现细节等。同时，本书还结合了当前热门的机器学习框架sklearn，对书中所涉及的模型在用法上进行详细讲解。全书共10章，第1章介绍机器学习开发环境的配置；第2章讲解线性回归模型的基本原理、回归模型中常见的几种评价指标，以及用于有监督模型训练的梯度下降算法；第3章介绍逻辑回归模型的基本原理和分类模型中常见的几种评价指标；第4章介绍模型的改善与泛化，包括特征标准化、如何避免过拟合及如何进行模型选择等；第5章讲解K近邻分类算法的基本原理及kd树的构造与搜索；第6章介绍朴素贝叶斯算法的基本原理；第7章介绍几种常见的文本特征提取与模型复用，包括词袋模型和TF-IDF等；第8章讲解决策树与集成学习，包括几种经典的决策树生成算法和集成模型；第9章介绍支持向量机的基本原理与求解过程；第10章介绍几种经典的聚类算法及相应的评价指标计算方法。本书包含大量的代码示例及实际案例介绍，可以作为计算机相关专业学生入门机器学习的读物，也可以作为非计算机专业及培训机构的参考用书。
目录:
第1章 环境配置
1.1 安装Conda
1.1.1 Windows环境
1.1.2 Linux环境
1.2 替换源
1.3 Conda环境管理
1.3.1 虚拟环境安装
1.3.2 虚拟环境使用
1.4 PyCharm安装与配置
1.5 小结
第2章 线性回归
2.1 模型的建立与求解
2.1.1 理解线性回归模型
2.1.2 建立线性回归模型
2.1.3 求解线性回归模型
2.1.4 sklearn简介
2.1.5 安装sklearn及其他库
2.1.6 线性回归示例代码
2.1.7 小结
2.2 多变量线性回归
2.2.1 理解多变量
2.2.2 多变量线性回归建模
2.2.3 多变量回归示例代码
2.3 多项式回归
2.3.1 理解多项式
2.3.2 多项式回归建模
2.3.3 多项式回归示例代码
2.3.4 小结
2.4 回归模型评估
2.4.1 常见回归评估指标
2.4.2 回归指标示例代码
2.4.3 小结
2.5 梯度下降
2.5.1 方向导数与梯度
2.5.2 梯度下降算法
2.5.3 小结
2.6 正态分布
2.6.1 一个问题的出现
2.6.2 正态分布
2.7 目标函数推导
2.7.1 目标函数
2.7.2 求解梯度
2.7.3 矢量化计算
2
...
— 没有更多了 —
以下为对购买帮助不大的评价