机器学习(Python实战)/计算机技术入门丛书
全新正版 极速发货
￥ 43.8 7.3折 ￥ 59.8 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
作者编者:肖汉光//夏清玲|责编:付宏宇//李燕
出版社清华大学
ISBN9787302627296
出版时间2023-07
装帧平装
开本其他
定价59.8元
货号31817920
上书时间2024-08-11
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章 环境搭建
1.1 实验环境的安装与搭建
1.1.1 Anaconda的下载
1.1.2 Anaconda的安装
1.1.3 检验
1.1.4 启动
1.2 数据清洗和预处理
1.2.1 原理简介
1.2.2 算法步骤
1.2.3 实战
1.2.4 实验
第2章 模型评估
2.1 模型评估的样本集构建与评价
2.1.1 原理简介
2.1.2 样本集的构建方法
2.1.3 算法步骤
2.1.4 实战
2.1.5 实验
2.2 评估指标计算
2.2.1 原理简介
2.2.2 代码实现与实战
2.2.3 实验
第3章 分类问题
3.1 K近邻算法
3.1.1 原理简介
3.1.2 算法步骤
3.1.3 实战
3.1.4 实验
3.2 逻辑回归算法
3.2.1 原理简介
3.2.2 算法步骤
3.2.3 实战
3.2.4 实验
3.3 决策树算法
3.3.1 原理简介
3.3.2 算法步骤
3.3.3 实战
3.3.4 实验
3.4 支持向量机算法
3.4.1 原理简介
3.4.2 算法步骤
3.4.3 实战
3.4.4 实验
3.5 EM算法
3.5.1 原理简介
3.5.2 算法步骤
3.5.3 实战
3.5.4 实验
3.6 BP神经网络的分类和回归算法
3.6.1 原理简介
内容摘要
本书系统介绍机器学习的理论、模型和算法实现，主要内容包括机器学习实验环境的搭建、数据清洗、模型评估、监督学习的分类和回归问题、非监督学习的聚类和降维等理论介绍和底层
算法实现。本书涵盖了K近邻算法、决策树、支持向量机、BP神经网络、卷积神经网络、循环神经网络、集成学习、K-means聚类、模糊聚类、主成分分析、独立成分分析等内容。每章均基于实战项目或案例介绍模型和算法的两种实现（scikit-learn、Keras或TensorFlow的调包实现与非调包底层代码实现），并给出相应的实验题目，以此加深读者对模型和算法的理解，提升读者对模型和算法的底层代码实现能力。
本书适合作为人工智能专业高年级本科生和研究生
的教材，也可作为人工智能相关领域研究人员的自学教材。
主编推荐
《机器学习》有两大特色。一是注重实践，书中每个算法都包括算法原理、算法步骤、实战讲解和实验练习几部分，读者通过实战可以加深对算法的理解，提高应用算法来解决问题的能力。二是注重入门基础，本书逐一讲解模型评估、分类问题、回归问题、聚类问题、降维问题这几大类机器学习的基础算法，帮助读者筑牢机器学习的理论根基，此后遇到相关问题都可以通过这几类算法及其组合来解决。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价