机器学习开发者指南
全新正版 极速发货
￥ 35.12 6.0折 ￥ 59 全新
库存2件
广东东莞
认证卖家担保交易快速发货售后保障
作者(阿根廷)鲁道夫·邦宁(Rodolfo Bonnin)
出版社人民邮电出版社
ISBN9787115529305
出版时间2020-05
装帧平装
开本16开
定价59元
货号1202045982
上书时间2024-11-30
- 在售商品 暂无
- 平均发货时间 16小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
目录
章机器学习和统计科学1
1.1机器学习的发展2
1.2编程语言与库6
1.3基本数学概念11
1.3.1统计学——不确定性建模的基本支柱11
1.3.2概率与随机变量14
1.3.3概率函数的统计度量21
1.3.4微分基础22
1.3.5预备知识22
1.4小结27
第2章学习过程28
2.1理解问题28
2.2数据集定义与检索30
2.2.1ETL过程30
2.2.2加载数据与使用Scipy和Pandas进行探索分析31
2.2.3与IPython交互32
2.2.4二维数据处理34
2.3特征工程37
2.3.1缺失数据估算37
2.3.2独热编码38
2.4数据预处理39
规范化和特征缩放39
2.5模型定义41
提出正确的问题41
2.6损失函数定义42
2.7模型拟合和评价43
数据集划分43
2.8模型应用与结果分析44
2.8.1回归指标45
2.8.2分类指标46
2.8.3聚类质量评估48
2.9小结50
第3章聚类51
3.1分组——一种人类行为51
3.2自动化聚类过程52
3.3寻找一个共同的中心——K-means53
3.3.1K-means的优缺点56
3.3.2K-means算法分解56
3.3.3K-means算法实现58
3.4最近邻（NearestNeighbors）62
3.5K-NN算法实现示例64
3.6算法扩展67
3.7小结68
第4章线性回归和逻辑回归69
4.1回归分析69
回归的应用70
4.2线性回归71
4.2.1代价函数的确定72
4.2.2分析方法74
4.2.3协方差和相关性75
4.2.4寻找协方差和相关性的斜率和截距77
4.2.5梯度下降法79
4.2.6递归过程表示83
4.3实践中的数据研究和线性回归86
4.3.1鸢尾花数据集87
4.3.2线性回归与梯度下降93
4.4逻辑回归103
4.4.1线性回归和逻辑回归103
4.4.2logit函数105
4.4.3应用逻辑回归建立心脏疾病模型的实例109
4.5小结112
第5章神经网络113
5.1神经模型的历史114
5.1.1感知器模型115
5.1.2改进预测结果——ADALINE算法116
5.1.3感知器和ADALINE之间的异同118
5.1.4单层和多层感知器120
5.2使用单层感知器实现简单的功能124
5.2.1定义并绘制传递函数类型124
5.2.2表示和理解传递函数125
5.2.3Sigmoid函数或逻辑函数126
5.2.4使用Sigmoid函数126
5.2.5修正线性单元128
5.2.6线性传递函数129
5.2.7定义损失函数130
5.3小结136
第6章卷积神经网络137
6.1卷积神经网络的起源137
6.1.1从卷积开始138
6.1.2卷积核和卷积140
6.1.3在实例中实现二维离散卷积143
6.1.4下采样（池化）146
6.1.5通过Dropout操作提高效率148
6.2深度神经网络149
6.2.1深度卷积网络框架的发展149
6.2.2深度卷积神经网络解决的问题类型154
6.3使用Keras部署一个深度神经网络156
6.4用Quiver开发卷积模型158
6.4.1用Quiver开发卷积网络158
6.4.2迁移学习的实现162
6.5小结167
第7章循环神经网络168
7.1按顺序解决问题——RNN168
7.1.1RNN的定义169
7.1.2RNN的发展169
7.2LSTM172
7.2.1门和乘法运算172
7.2.2设置遗忘参数（输入门）174
7.2.3设置保持参数174
7.2.4修改单元175
7.2.5输出过滤后的单元状态175
7.3采用电能消耗数据预测单变量时间序列176
数据集的描述和加载176
7.4小结182
第8章近期的新模型及其发展183
8.1GAN183
GAN的应用类别184
8.2强化学习188
8.2.1马尔可夫决策过程189
8.2.2优化马尔可夫过程190
8.3基本强化学习技术：Q学习191
8.4小结193
第9章软件安装与配置194
9.1Linux系统环境安装194
9.1.1初始配置要求195
9.1.2Anaconda安装195
9.1.3pip安装200
9.2macOSX系统环境安装201
9.2.1Anaconda安装201
9.2.2pip安装204
9.3Windows系统环境安装205
Anaconda安装205
9.4小结208
参考资料209
内容摘要
本书将带领读者学习如何实施各种机器学习技术及其日常应用的开发。本书分为9章，从易于掌握的语言基础数据和数学模型开始，向读者介绍机器学习领域中使用的各种库和框架，然后通过有趣的示例实现回归、聚类、分类、神经网络等，从而解决如图像分析、自然语言处理和时间序列数据的异常检测等实际问题。本书适合机器学习的开发人员、数据分析人员、机器学习领域的从业人员，以及想要学习机器学习的技术爱好者阅读。使用任何脚本语言的编程人员都可以阅读本书，但如果熟悉Python语言的话，将有助于充分理解本书的内容。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价