消息 首页 搜索 举报
  • Scikit-learn机器学习详解(下)/人工智能开发丛书
  • Scikit-learn机器学习详解(下)/人工智能开发丛书
21年品牌 40万+商家 超1.5亿件商品

Scikit-learn机器学习详解(下)/人工智能开发丛书

全新正版 极速发货

￥ 71.42 5.6折 ￥ 128 全新

库存2件

广东广州
认证卖家担保交易快速发货售后保障

作者潘风文,潘启儒 著

出版社化学工业出版社

ISBN9787122388889

出版时间2021-06

装帧平装

开本16开

定价128元

货号31199389

上书时间2024-06-09

书香美美
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：全新
商品描述
作者简介

潘风文， 1969年生人，北京计算机专业博士，曾任职华为公司，专注大数据、数据挖掘、机器学习领域二十余年，曾成功主持过多项商业智能BI项目，涉及电商平台、搜索引擎、企业征信、用户画像、移动、银行金融等领域，具有丰富的项目开发经验。



目录
绪论1

1　回归模型6
1.1　回归算法分类9
1.1.1　一般线性回归9
1.1.2　广义线性回归10
1.1.3　非线性回归14
1.2　回归模型的度量指标14
1.3　样本权重系数的理解17

2　线性回归模型18
2.1　普通最小二乘法19
2.2　岭回归（L2正则化回归）24
2.2.1　岭回归评估器24
2.2.2　岭迹曲线29
2.2.3　交叉验证岭回归评估器31
2.3　Lasso回归（L1正则化回归）36
2.3.1　Lasso回归评估器37
2.3.2　Lasso路径42
2.3.3　交叉验证Lasso回归评估器44
2.3.4　多任务Lasso回归50
2.3.5　最小角Lasso回归61
2.4　弹性网络回归71
2.4.1　弹性网络回归评估器71
2.4.2　交叉验证弹性网络回归评估器76
2.4.3　多任务弹性网络回归评估器  81
2.4.4　交叉验证多任务弹性网络回归评估器84
2.5　正交匹配追踪回归86
2.6　贝叶斯线性回归92
2.7　广义线性回归96
2.8　随机梯度下降回归100
2.9　被动攻击回归108
2.10 鲁棒回归114
2.10.1　随机抽样一致性回归114
2.10.2　泰尔-森回归119
2.10.3　胡贝尔回归123
2.11 多项式回归  127

3　非线性回归模型132
3.1　支持向量机回归133
3.2　核岭回归145
3.3　最近邻回归147
3.3.1　算法简介149
3.3.2　距离度量指标151
3.3.3　最近邻回归评估器154
3.4　高斯过程回归159
3.5　决策树167
3.5.1　决策树模型算法简介168
3.5.2　决策树回归评估器185
3.6　神经网络模型191
3.7　保序回归199

4　分类模型203
4.1　广义线性回归分类与非线性分类模型204
4.2　分类模型的度量指标209

5　线性分类模型  210
5.1　岭分类211
5.2　逻辑回归分类214
5.3　随机梯度下降分类219
5.4　感知机222
5.5　被动攻击分类226

6　非线性分类模型231
6.1　支持向量机分类232
6.1.1　支持向量分类评估器SVC232
6.1.2　支持向量分类评估器NuSVC234
6.1.3　支持向量分类评估器LinearSVC234
6.2　最近邻分类237
6.2.1　K最近邻分类评估器KNeighborsClassifier237
6.2.2　径向基最近邻分类评估器240
6.3　高斯过程分类241
6.4　朴素贝叶斯模型244
6.4.1　朴素贝叶斯算法246
6.4.2　朴素贝叶斯分类250
6.5　决策树分类255
6.6　神经网络分类259

7　无监督学习及模型263
7.1　聚类264
7.1.1　聚类算法简介267
7.1.2　聚类模型270
7.2　双聚类282
7.2.1　谱联合聚类283
7.2.2　谱双聚类286

8　半监督学习及模型287
8.1　标签传播算法289
8.2　标签蔓延算法291
8.3　自训练分类器292

内容摘要
本书主要内容包括普通最小二乘法回归、岭回归、Lasso回归、弹性网络回归、正交匹配追踪回归、贝叶斯回归、广义线性回归、随机梯度下降回归、被动攻击回归、鲁棒回归、多项式回归、支持向量机回归、核岭回归、最近邻回归、高斯过程回归、决策树、神经网络模型、保序回归、岭分类、逻辑回归分类、随机梯度下降分类、感知机、被动攻击分类、支持向量机分类、最近邻分类、高斯过程分类、朴素贝叶斯模型、决策树分类和神经网络分类、无监督学习、半监督学习等。全书结合具体实例和图表详细讲解，语言通俗，易于学习，适合机器学习和数据挖掘专业人员和人工智能爱好者阅读，也可作为高等院校人工智能专业教材。

主编推荐
学习机器学习和数据挖掘，就必须学习sckit-learn。本书对每种算法给出了具体的实例，由浅入深、循序渐进，叙述浅显易懂，并配以大量的图片和代码，形象化地把技术内容呈现给读者，使读者快速理解、掌握每个知识点，有效降低学习门槛。实为学习sckit-learn的很好合适的入门图书。

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP