Scikit-Learn机器学技术与实践
¥
57
7.2折
¥
79
全新
库存2件
作者谭贞军
出版社清华大学出版社
ISBN9787302599487
出版时间2022-03
装帧平装
开本16开
定价79元
货号1202627677
上书时间2024-11-24
商品详情
- 品相描述:全新
- 商品描述
-
作者简介
谭贞军,哈尔滨工业大学计算机硕士,平常喜爱Android应用开发和底层开发,在谷歌市场已经发布多款经典应用程序。热衷于人工智能、机器学习、Android开发和物联网开发,对AI项目的架构设计和实现原理有非常深刻的认识和理解,应用开发经验也十分丰富。另外还十分精通Python、C、C、Java、C#开发语言,熟悉软件规划、项目架构和项目推广。近年来随着AI和大数据业务的兴起,深入研究了人工智能开发应用,并且基于Python的AI研发一直是擅长的领域。
目录
第1章人工智能与Scikit-Learn简介11.1人工智能技术的兴起21.1.1人工智能介绍21.1.2人工智能的研究领域21.1.3和人工智能相关的几个重要概念31.1.4人工智能的两个重要发展阶段41.2机器学习和深度学习41.2.1机器学习51.2.2深度学习51.2.3机器学习和深度学习的区别61.3 初步认识Scikit-Learn71.3.1Scikit-Learn介绍71.3.2使用pip安装Scikit-Learn71.3.3使用Anaconda安装Scikit-Learn81.3.4解决速度过慢的问题91.4准备开发工具10第2章加载数据集112.1标准数据集API122.1.1波士顿房价数据集(适用于回归任务)122.1.2威斯康星州乳腺癌数据集(适用于分类问题)132.1.3糖尿病数据集(适用于回归任务)132.1.4手写数字数据集(适用于分类任务)142.1.5Fisher的鸢尾花数据集(适用于分类问题)152.1.6红酒数据集(适用于分类问题)152.2自定义数据集162.2.1生成聚类数据162.2.2生成同心圆样本点172.2.3生成模拟分类数据集182.2.4生成太极型非凸集样本点19第3章监督学习213.1广义线性模型223.1.1普通小二乘法223.1.2岭回归243.1.3Lasso回归253.2线性判别分析和二次判别分析273.2.1使用线性判别分析来降维283.2.2LDA和QDA分类器的数学公式303.2.3收缩303.3内核岭回归323.4支持向量机333.4.1分类343.4.2回归363.4.3密度估计和异常检测383.5随机梯度下降393.5.1分类403.5.2回归423.5.3稀疏数据的随机梯度下降42第4章无监督学习494.1高斯混合模型504.1.1高斯混合504.1.2变分贝叶斯高斯混合534.2流形学习554.3聚类574.3.1KMeans算法574.3.2MiniBatchKMeans算法604.4双聚类624.4.1谱聚类算法634.4.2光谱联合聚类算法66第5章模型选择和评估695.1交叉验证
内容摘要
《Scikit-Learn机器学习核心技术与实践》循序渐进地讲解了使用Scikit-Learn开发机器学习程序的核心知识,并通过具体实例的实现过程演练了使用Scikit-Learn的方法和流程。全书共10章,包括人工智能与Scikit-Learn简介,加载数据集,监督学习,无监督学习,模型选择和评估,数据集转换,实现大数据计算,英超联赛比分预测系统(MatplotlibScikit-LearnFlaskPandas),AI考勤管理系统(face-recognitionMatplotlibDjangoScikit-LearnDlib),实时电影推荐系统(Scikit-LearnFlaskPandas)。本书简洁而不失其技术深度,内容丰富全面,易于阅读。《Scikit-Learn机器学习核心技术与实践》适用于已经了解Python语言基础语法的读者,以及想进一步学习机器学习和深度学习技术的读者,还可以作为大专院校相关专业的师生用书和培训学校的专业教材。
— 没有更多了 —
以下为对购买帮助不大的评价