机器学习Python版
全新正版 极速发货
￥ 84.23 5.7折 ￥ 149 全新
库存3件
广东广州
认证卖家担保交易快速发货售后保障
作者(美)马克·E.芬纳
出版社机械工业出版社
ISBN9787111706007
出版时间2022-07
装帧平装
开本16开
定价149元
货号1202681249
上书时间2024-08-07
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
马克·E.芬纳（Mark E. Fenner）博士从1999年开始，一直从事成人计算机和数学的教学工作，教授过的学员有大学一年级的新生，也有头发斑白的行业资深人士。在从事教学工作的同时，芬纳博士还从事机器学习、生物信息学和计算机安全方面的研究工作。芬纳博士参与的项目涉及机器学习和数值算法的设计、实现与性能调优，软件仓库的安全性分析，用户异常检测的机器学习系统，蛋白质功能的概率建模，以及生态数据和显微镜数据的分析与可视化等。芬纳博士对计算机、数学、历史和冒险运动有着深厚的兴趣。在写作、教学或者编码之余，他会骑着山地车在树林里自由地纵情驰骋，或者纵情驰骋后惬意地在游泳池边喝啤酒。芬纳博士的柔道级别为二段，同时也是一名通过认证的野外急救员。芬纳博士和他的妻子都是埃里格尼学院和匹兹堡大学的毕业生。芬纳博士拥有计算机科学博士学位。他和家人住在宾夕法尼亚州东北部，并在自己开办的公司Fenner Training and Consulting，LLC工作。
目录
译者序
推荐序
前言
作者简介
第一部分 机器学习入门
第1章 机器学习概论
1.1 欢迎来到机器学习的世界
1.2 范围、术语、预测和数据
1.2.1 特征
1.2.2 目标值和预测值
1.3 让机器开始机器学习
1.4 学习系统举例
1.4.1 预测类别：分类器举例
1.4.2 预测值：回归器举例
1.5 评估机器学习系统
1.5.1 准确率
1.5.2 资源消耗
1.6 创建机器学习系统的过程
1.7 机器学习的假设和现实
1.8 本章参考阅读资料
1.8.1 本书内容
1.8.2 章节注释
第2章 相关技术背景
2.1 编程环境配置
2.2 数学语言的必要性
2.3 用于解决机器学习问题的软件
2.4 概率
2.4.1 基本事件
2.4.2 独立性
2.4.3 条件概率
2.4.4 概率分布
2.5 线性组合、加权和以及点积
2.5.1 加权平均
2.5.2 平方和
2.5.3 误差平方和
2.6 几何视图：空间中的点
2.6.1 直线
2.6.2 直线拓展
2.7 表示法和加1技巧
2.8 渐入佳境：突破线性和非线性
2.9 NumPy与“数学无所不在”
……
第二部分 通用评估技术
第三部分 更多方法和其他技术
第四部分 高级主题
附录 mlwpy.py程序清单
内容摘要
本书面向初学者，使用Python语言以及流行的scikit-learn机器学习库等资源，通过易于实践的项目，帮助读者掌握开发有效的机器学习系统所需的流程、模式和策略。
与包含大量数学公式的书籍不同，本书主要通过故事、图片和代码示例来讲解机器学习的概念和技术，尽量减轻读者在数学方面的负担，但要求读者具备一定的编程基础。书中逐步引导读者完成构建、训练和评估学习系统的每一步，在此过程中，根据需要不断填充机器学习系统的各个组成部分，拓展机器学习工具箱，并尝试探索复杂的新技术。
本书主要内容：
理解机器学习的算法、模型和核心概念。
构建分类器和回归器。
评估机器学习系统的性能。
利用特征工程将原始的粗糙数据平滑成有用的格式。
将多个组件连接到一个系统中，并调整其性能。
将机器学习技术应用于图像处理和文本处理。
将核心概念与神经网络和图模型联系起来。
— 没有更多了 —
以下为对购买帮助不大的评价