机器学习案例分析——基于Python语言 【正版九新】
九品消毒塑封
￥ 39.9 4.1折 ￥ 98 九五品
仅1件
天津宝坻
认证卖家担保交易快速发货售后保障
作者王恺
出版社电子工业出版社
ISBN9787121381812
出版时间2020-03
装帧平装
开本16开
定价98元
货号9787121381812
上书时间2024-06-20
- 最新上架
商品详情
- 品相描述：九五品
- 商品描述
-
作者简介
"北京海云捷迅科技有限公司(AWcloud)，靠前靠前的企业级OpenStack云服务提供商。总部位于北京中关村高新技术园区，拥有行业内专业的研发。海云捷迅以OpenStack为契机，与包括Intel、HP、Oracle、Canonical、东软等企业在内的靠前外各大软硬件厂商及IT服务提供商建立了紧密的战略合作关系，构建了一套完整的OpenStack服务生态体系，为企业提供基于OpenStack的私有云、混合云、融合计算等解决方案，为IDC企业提供联合运营服务。此外，还为客户提供OpenStack的架构咨询、设计、实施、培训、运维等一条龙服务。截至目前，海云捷迅已经部署物理服务器超过2000台，运行云主机的规模超过30000台，客户遍及高校、科研院所、新媒体、医疗、IDC、电力、公众服务等领域，在同行业中居于靠前地位。王恺，博士，副教授/硕士生导师，公共计算机基础教学部副主任。研究兴趣包括计算机视觉和机器学习，主持重量、省部级及校企合作项目10余项，在靠前外重要期刊/会议上发表科研论文30余篇。主讲《计算机基础（理）》、《数据结构与算法》、《Python和机器学习入门》、《Python和数据分析基础》等课程，出版教材11部。"
目录
章基础知识001
1.1机器学习简介002
1.1.1基本概念002
1.1.2机器学习分类003
1.2Python基础005
1.2.1Python编程环境005
1.2.2基本数据类型011
1.2.3分支语句和循环语句018
1.2.4函数021
1.2.5类和对象025
1.2.6打开、关闭、读/写文件028
1.2.7异常处理031
1.3常用第三方库033
1.3.1NumPy033
1.3.2SciPy039
1.3.3Pandas.041
1.3.4Matplotlib053
1.3.5Scikit-learn056
1.4案例分析058
1.4.1网络爬虫及信息提取058
1.4.2股票数据图表绘制063
1.5本章小结069
1.6参考文献069
第2章分类案例071
2.1员工离职预测072
2.1.1问题描述及数据集获取072
2.1.2求解思路和相关知识介绍073
2.1.3代码实现及分析076
2.2Iris数据分类081
2.2.1问题描述及数据集获取081
2.2.2求解思路和相关知识介绍082
2.2.3代码实现及分析089
2.3新闻文本分类099
2.3.1问题描述及数据集获取099
2.3.2求解思路和相关知识介绍100
2.3.3代码实现及分析113
2.4手写数字识别128
2.4.1问题描述及数据集获取128
2.4.2求解思路和相关知识介绍129
2.4.3代码实现及分析134
2.5本章小结139
2.6参考文献139
第3章聚类案例143
3.1人脸图像聚类144
3.1.1问题描述及数据集获取144
3.1.2求解思路和相关知识介绍146
3.1.3代码实现及分析150
3.2文本聚类162
3.2.1问题描述及数据集获取162
3.2.2求解思路和相关知识介绍163
3.2.3代码实现及分析167
3.3本章小结173
3.4参考文献174
第4章回归预测案例175
4.1房价预测176
4.1.1问题描述及数据集获取176
4.1.2求解思路和相关知识介绍177
4.1.3代码实现及分析184
4.2基于LSTM的股票走势预测.191
4.2.1问题描述及数据集获取191
4.2.2求解思路和相关知识介绍192
4.2.3代码实现及分析197
4.3本章小结204
4.4参考文献204
第5章综合案例206
5.1场景文本检测207
5.1.1问题描述及数据集获取207
5.1.2求解思路和相关知识介绍208
5.1.3代码实现及分析217
5.2面部认证.235
5.2.1问题描述及数据集获取236
5.2.2求解思路和相关知识介绍236
5.2.3代码实现及分析241
5.3本章小结275
5.4参考文献275
附录A277
A.1逻辑回归分类器原理介绍278
A.2自己编程实现决策树分类器280
A.3支持向量机的数学推导287
A.3.1最小间隔优选化287
A.3.2对偶问题288
A.4Adaboost的数学推导和代码实现292
A.4.1数学推导292
A.4.2代码实现294
A.5神经网络的数学推导和代码实现298
A.5.1数学推导298
A.5.2代码实现302
A.6期望优选化算法和高斯混合模型308
A.6.1EM算法的原理和数学推导308
A.6.2EM算法估计高斯混合模型参数的数学推导310
A.7基于波士顿房价数据集的房价预测代码实现312
内容摘要
本书共5章内容，主要结合目前流行的人工智能编程语言Python对机器学习案例进行分析，介绍机器学习的相关理论，并展示使用机器学习方法解决实际应用问题的具体过程。本书包括基础知识、分类案例、聚类案例、回归预测案例和综合案例，力争通过通俗易懂的案例和代码分析使读者快速掌握机器学习的具体应用方法。本书既适合计算机相关专业人员，也适合非计算机相关专业人员阅读。理论性强，较难理解的内容统一放在了附录A中，这部分内容适合具备一定理论基础、对机器学习理论推导有兴趣的读者。
本书可以作为我国高校计算机专业学生和非计算机专业理工科学生机器学习入门课程的教材。
— 没有更多了 —
以下为对购买帮助不大的评价