机器学应用与实战 人工智能 作者 新华正版
￥ 57.25 5.3折 ￥ 109 全新
库存8件
河北保定
认证卖家担保交易快速发货售后保障
作者作者
出版社电子工业出版社
ISBN9787121447891
出版时间2023-03
版次1
装帧平装
开本16
页数320页
字数447千字
定价109元
货号xhwx_1202822367
上书时间2024-05-12
- 在售商品 暂无
- 平均发货时间 23小时
- 好评率 暂无
- 最新上架
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
主编：
市面上讲解人工智能的书比较多，但要么是偏重理论的讲解，要么是非常深涩的代码，对于计算机基础较差的学员来说，学成本很高或者学了无益，付出了大量时间，但达不到岗位要求。“人工智能应用与实践系列”图书开创地使用了新的方法，通过大量由浅入深、环环相扣的实践案例，能够帮助学员迅速理解人工智能的应用，快速掌握工作技能。此外本书还配有的800分钟以上的课程，帮助基础稍弱或者0基础的学员迅速提升。
目录：
部分机器学基础算法
章基于线回归的销售量预测2
1.1机器学概述2
1.2线回归4
1.2.1回归的概念4
1.2.2线回归模型4
1.3梯度下降算法7
1.4线回归模型的构建8
1.4.1线回归模型构建的一般步骤8
1.4.2线回归模型的评估方法与度量指标9
1.5案例实现——基于线回归的销售量预测9
本章结13
作业与练14
第2章非线数据的多项式回归15
2.1多项式回归16
2.1.1多项式回归的概念16
2.1.20-1标准化16
2.1.3z-score标准化18
2.1.4特征拓展19
2.2模型训练问题与解决方法22
2.2.1欠拟合与过拟合22
2.2.2正则化方法23
2.3案例实现——非线数据的
多项式回归24
本章结31
作业与练31
第3章基于逻辑回归算法的乳腺癌患病预测33
3.1逻辑回归算法33
3.1.1逻辑回归算法概述33
3.1.2概率估算34
3.1.3损失函数35
3.2分类数据的预处理36
3.2.1欠采样与过采样36
3.2.2数据的标签化37
3.2.3数据的独热编码38
3.3模型的能评估40
3.3.1数值型模型评估方法40
3.3.2几何型模型评估方法42
3.4案例实现——基于逻辑回归算法的乳腺癌患病预测44
本章结48
作业与练49
第4章基于k-nn算法的分类50
4.1k-nn算法51
4.1.1k-nn算法概述51
4.1.2样本距离的度量51
4.1.3k-nn算法的工作51
4.1.4k-nn算法的三个要素53
4.2k-nn算法加速思路54
4.3案例实现55
4.3.1案例1——基于k-nn算法的电影分类55
4.3.2案例2——基于k-nn算法的鸢尾花数据集分类58
本章结61
作业与练61
第5章基于决策树算法的回归预测与分类62
5.1决策树的介绍62
5.2决策树的构建65
5.2.1特征选择65
5.2.2决策树的构建过程67
5.2.3决策树剪枝69
5.2.4连续特征的处理方法70
5.3决策树可视化70
5.4案例实现71
5.4.1案例1——基于决策树算法的商品销售量回归预测71
5.4.2案例2——基于决策树算法的鸢尾花数据集分类73
本章结76
作业与练76
第6章基于k-means算法的聚类78
6.1k-means算法79
6.1.1k-means算法概述79
6.1.2k-means算法的工作79
6.1.3k-means算法的流程80
6.2很好k值的确定方法80
6.2.1手肘法81
6.2.2轮廓系数法81
6.3k-means算法的改进82
6.3.1k-means++算法83
6.3.2k-meansⅱ算法83
6.3.3mini-batchk-means算法83
6.4案例实现84
6.4.1案例1——基于手肘法使用k-means算法的饮料聚类84
6.4.2案例2——基于轮廓系数法使用k-means算法的饮料聚类87
本章结89
作业与练90
第7章基于svm算法的分类与回归预测91
7.1svm算法概述91
7.2svm算法的工作92
7.2.1硬间隔svm算法92
7.2.2软间隔svm算法95
7.3核函数95
7.4svm回归97
7.5案例实现97
7.5.1案例1——基于svm算法的鸢尾花数据集分类97
7.5.2案例2——基于svm算法的数据回归分析100
本章结104
作业与练104
第8章森林揭秘105
8.1集成学概述105
8.2集成学的实现方式107
8.2.1bagging算法107
8.2.2boosting算法107
8.3集成学的组合策略108
8.3.1均法108
8.3.2投票法108
8.3.3学法109
8.4森林109
8.4.1森林概述109
8.4.2森林特征选择110
8.4.3oob处理方式110
8.5案例实现111
8.5.1案例1——使用森林进行森林植被类型的预测111
8.5.2案例2——使用森林进行共享单车每小时租用量的预测113
本章结115
作业与练115
第9章基于朴素贝叶斯算法的中文预测116
9.1贝叶斯算法117
9.1.1数学基础回顾117
9.1.2贝叶斯公式118
9.2朴素贝叶斯算法119
9.2.1朴素贝叶斯算法的由来119
9.2.2拉普拉斯滑120
9.3朴素贝叶斯算法家族121
9.3.1高斯朴素贝叶斯算法121
9.3.2多项式朴素贝叶斯算法122
9.4中文文本预测123
9.4.1词频处理123
9.4.2jieba分词器125
9.5案例实现——基于朴素贝叶斯算法的中文预测126
本章结129
作业与练129
0章基于pca降维的图片重构131
10.1降维131
10.1.1降维的作用131
10.1.2降维的理解132
10.2svd算法解析133
10.2.1特征值分解133
10.2.2奇异值分解133
10.2.3降维可视化效果134
10.2.4降维在图片压缩中的应用136
10.3pca降维138
10.3.1pca降维的工作138
10.3.2使用pca底层算法实现图片重构的流程139
10.4案例实现——基于pca降维的图片重构139
本章结143
作业与练143
第2部分机器学基础算法综合应用
1章分数预测146
11.1数据集分析146
11.2案例实现——分数预测147
本章结161
作业与练161
2章自闭症患者预测163
12.1数据集分析163
12.2案例实现——自闭症患者预测164
本章结175
作业与练175
3章用户价值分析176
13.1数据集分析176
13.2rfm模型177
13.3雷达图178
13.4案例实现——用户价值分析178
本章结191
作业与练191
4章耳机情感预测192
14.1数据集分析192
14.2案例实现——耳机情感预测193
本章结200
作业与练200
第3部分机器学算法与应用
5章聚类算法综合202
15.1dbscan算法203
15.1.1k-means算法的缺陷203
15.1.2dbscan算法分析203
15.1.3案例实现——验证k-means算法和dbscan
算法的特点和区别205
15.2层次聚类算法208
15.2.1算法分析208
15.2.2案例实现——基于凝聚的层次聚类算法的数据
聚类210
15.3gmm算法213
15.3.1算法分析213
15.3.2案例实现——基于gmm算法的别预测214
本章结218
作业与练218
6章基于hmm算法的股票行情预测220
16.1hmm算法的工作220
16.2案例实现——基于hmm算法的股票行情预测222
本章结226
作业与练226
7章boosting算法综合228
17.1boosting算法的工作简介228
17.2adaboost算法229
17.2.1算法概述229
17.2.2分类算法分析230
17.2.3回归算法分析231
17.2.4案例实现——基于adaboost算法的病马治愈预测232
17.3gbdt算法235
17.3.1算法概述235
17.3.2衰减235
17.3.3算法分析236
17.3.4案例实现——基于gbdt算法的数字手写体识别237
17.4xgboost算法239
17.4.1算法概述239
17.4.2xgboost算法库的安装240
17.4.3案例实现——基于xgboost算法的数字手写体识别241
本章结244
作业与练244
8章饭店销售量预测245
18.1数据集分析245
18.2异常值处理246
18.3多字段分析的含义与作用247
18.4案例实现——饭店销售量预测248
本章结259
作业与练260
9章信贷违约预测261
19.1数据集分析261
19.2案例实现——信贷违约预测262
本章结270
作业与练270
第20章胎儿健康分类预测271
20.1数据集分析271
20.2案例实现——胎儿健康分类预测272
本章结286
作业与练287
第21章用户画像处理288
21.1数据集分析288
21.2用户画像289
21.2.1用户画像概述289
21.2.2用户画像所需数据290
21.3案例实现——用户画像处理290
本章结305
作业与练306
内容简介：
本书系统介绍了机器学常用算法及其应用，在深入分析算法的基础上，结合当前热门应用场景，向读者展现了机器学算法的综合应用，带领读者进入机器学领域，开启人工智能行业的大门。全书共21章，分为3部分。部分介绍机器学基础算法，包括线回归、多项式回归、逻辑回归、knn、决策树、kmean、vm、森林、朴素贝叶斯、pca降维等，针对每个算法给出应用案例，让读者既掌握算法，又能够使用算法解决问题。第2部分是机器学基础算法综合应用，通过分数预测、自闭症患者预测、用户价值分析、耳机情感预测几个案例提升读者对机器学算法的应用能力。第3部分是机器学算法与应用，介绍逻辑更为复杂的机器学算法，如改进的聚类算法、hmm算法、booting算法等，并给出相应案例，此外，还展示了多个算法综合应用项目。本书适合对机器学、人工智能感兴趣的读者阅读，也可以作为应用型大学和高等职业院校人工智能相关专业的教材。本书可以帮助有基础的读者查漏补缺，使其深入理解和掌握相关与方法，提高其解决实际问题的能力。
作者简介：
达内时代科技集团是知名的互联网it教育培训单位，是一站式互联网人才基地，专注it职业教育人才服务多年，拥有300多家培训中心，帮助学员实现一地学业。
— 没有更多了 —
以下为对购买帮助不大的评价