机器学习理论与实践
新华书店全新正版书籍图书 保证_可开发票_极速发货支持7天无理由
￥ 46.3 7.8折 ￥ 59 全新
仅1件
浙江嘉兴
认证卖家担保交易快速发货售后保障
作者编者:刘海军|责编:韩素华
出版社北京交通大学
ISBN9787512146464
出版时间2022-05
装帧平装
开本其他
定价59元
货号31427074
上书时间2024-08-10
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1篇 Python语言基础知识
1 机器学习编程语言基础
1.1 Python开发环境简介
1.2 Python编程基础
1.3 Python基本数据类型
1.3.1 数值类型
1.3.2 字符串类型
1.3.3 列表类型
1.3.4 元组类型
1.3.5 字典类型
1.3.6 集合类型
1.4 赋值
1.5 分支结构
1.5.1 关系运算符和逻辑运算符
1.5.2 分支结构的类型
1.6 循环结构
1.7 函数
1.8 矩阵计算——numpy模块
1.8.1 numpy模块简介
1.8.2 ndarray对象及其创建
1.8.3 数组对象的创建
1.8.4 数组的运算
1.8.5 数组的属性
1.8.6 numpy中的常见函数
1.8.7 数组的索引和切片
1.9 绘图
1.9.1 绘制坐标图
1.9.2 绘制饼状图
1.9.3 绘制条形图
1.9.4 绘制散点图
1.10 文件批量处理
1.10.1 文件和目录处理
1.10.2 文件读写
第2篇 机 器 学 习
2 机器学习的基本概念和应用领域
2.1 机器学习的基本概念
2.2 机器学习的应用领域
3 数据集的划分与模型的评价方法
3.1 数据集的划分方法
3.1.1 留出法
3.1.2 交叉验证法
3.1.3 自助法
3.2 模型的评价方法
3.2.1 分类任务的评价指标
3.2.2 回归任务的评价指标
4 线性模型
4.1 一元线性回归
4.1.1 一元线性回归原理
4.1.2 一元线性回归的实现
4.2 多元线性回归
内容摘要
本书用通俗易懂的语言
介绍了浅层机器学习、深度学习的主要模型原理及实现程序，以及编写机器学习程序所需要的编程语言背景与数据处理方法等。主要内容包括浅层监督学习模型，如线性模型、
决策树模型、贝叶斯模型、支持向量机模型、k-近邻模型、人工神经网络模型、集成学习模型；浅层
无监督学习模型，如k均值
聚类方法、DBSCAN聚类方法；深度学习模型，如
自动编码器、卷积神经网络；编程语言基础，包括Python基本语法，numpy库、pandas库、matplotlib库、os模块等；数据预处理方法，如图像处理方法（线性增强、空间域滤波、频率域滤波）、数据规范化方法（min-max数据规范化方法、z-score数据规范化方法）、类别编码
方法（one-hot编码）、数据降维方法（主成分分析）；机器视觉领域常见的特征提取方法等。
本书可作为高等院校相关专业学生的教材，还可作为对机器学习感兴趣读者的参考书。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价