正版机器学习原理与实战
￥ 28.7 4.8折 ￥ 59.8 全新
仅1件
作者何伟张良均 著
出版社人民邮电出版社
ISBN9787115563996
出版时间2021-07
版次1
装帧平装
开本16开
纸张胶版纸
定价59.8元
货号2170-9787115563996
上书时间2024-12-23
- 在售商品 暂无
- 平均发货时间 11小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
基本信息
书名:机器学习原理与实战
定价：59.8元
作者:何伟张良均 著
出版社：人民邮电出版社
出版日期：2021-07-01
ISBN：9787115563996
字数：
页码：
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐
1.将Python基础与机器学习常用编程库精炼整合，帮助零基础读者更快地学会使用Python进行机器学习。2.以实现机器学习流程的各个步骤为导向，介绍了如何从零开始构建机器学习应用所需的技能3.设计思路以应用为导向，让读者明确如何利用所学知识来解决问题，通过课后练习巩固所学知识，使读者真正理解并能够应用所学知识4.提供PPT课件、教学大纲、教学进度表等教学资源
内容提要
本书以Python机器学习常用技术与真实案例相结合的方式，深入浅出地介绍了Python机器学习应用的主要内容。全书共11章，分别介绍了机器学习概述、数据准备、特征工程、有监督学习、无监督学习、智能推荐的相关知识，并介绍了市财政收入分析案例、基于非侵入式电力负荷监测与分解的电力分析案例、航空公司客户价值分析案例、广电大数据营销推荐案例以及基于TipDM数据挖掘建模平台实现航空公司客户价值分析案例。每章都包含了课后习题，帮助读者巩固所学的内容。本书可以作为高校数据科学或人工智能的相关专业教材，也可以作为机器学习爱好者的自学用书。
目录
章 机器学习概述11.1 机器学习简介 11.1.1 机器学习的概念 11.1.2 机器学习的应用领域 11.2 机器学习通用流程 31.2.1 目标分析 41.2.2 数据准备 51.2.3 特征工程 61.2.4 模型训练 71.2.5 性能度量与模型调优 71.3 Python机器学习工具库简介 71.3.1 数据准备相关工具库 81.3.2 数据可视化相关工具库 81.3.3 模型训练与评估相关工具库 9小结 10课后习题 10第 2章 数据准备 132.1 数据质量校验 132.1.1 一致性校验 132.1.2 缺失值校验 162.1.3 异常值分析 172.2 数据分布与趋势探查 182.2.1 分布分析 182.2.2 对比分析 222.2.3 描述性统计分析 262.2.4 周期性分析 282.2.5 贡献度分析 302.2.6 相关性分析 312.3 数据清洗 352.3.1 缺失值处理 352.3.2 异常值处理 392.4 数据合并 392.4.1 数据堆叠 402.4.2 主键合并 43小结 45课后习题 45第3章 特征工程 483.1 特征变换 483.1.1 特征缩放 483.1.2 独热编码 523.1.3 离散化 533.2 特征选择 563.2.1 过滤式选择 573.2.2 包裹式选择 583.2.3 嵌入式选择 583.2.4 字典学习 59小结 64课后习题 64第4章 有监督学习 674.1 有监督学习简介 674.2 性能度量 674.2.1 分类任务性能度量 684.2.2 回归任务性能度量 704.3 线性模型 704.3.1 线性模型简介 704.3.2 线性回归 704.3.3 逻辑回归 734.4 k近邻分类 764.5 决策树 784.5.1 决策树简介 784.5.2 ID3算法 794.5.3 C4.5算法 814.5.4 CART算法 844.6 支持向量机 864.6.1 支持向量机简介 864.6.2 线性支持向量机 874.6.3 非线性支持向量机 914.7 朴素贝叶斯 944.8 神经网络 984.8.1 神经网络介绍 984.8.2 BP神经网络 994.9 集成学习 1034.9.1 Bagging 1044.9.2 Boosting 1064.9.3 Stacking 109小结 111课后习题 111第5章 无监督学习 1135.1 无监督学习简介 1135.2 降维 1135.2.1 PCA 1145.2.2 核化线性降维 1165.3 聚类任务 1195.3.1 性能度量 1195.3.2 距离计算 1205.3.3 原型聚类 1215.3.4 密度聚类 1285.3.5 层次聚类 131小结 133课后习题 133第6章 智能推荐 1356.1 智能推荐简介 1356.1.1 什么是推荐系统 1356.1.2 智能推荐的应用 1356.2 智能推荐性能度量 1376.2.1 离线实验评价指标 1376.2.2 用户调查评价指标 1396.2.3 在线实验评价指标 1406.3 基于关联规则的智能推荐 1406.3.1 关联规则和频繁项集 1406.3.2 Apriori 1416.3.3 FP-Growth 1456.4 基于协同过滤的智能推荐 1506.4.1 基于用户的协同过滤 1506.4.2 基于物品的协同过滤 153小结 157课后习题 157第7章 市财政收入分析 1607.1 目标分析 1607.1.1 背景 1607.1.2 数据说明 1607.1.3 分析目标 1617.2 数据准备 1627.3 特征工程 1647.3.1 Lasso回归 1647.3.2 特征选择 1647.4 模型训练 1657.4.1 灰色预测模型 1657.4.2 关键特征预测 1667.4.3 SVR模型预测 1687.5 性能度量 169小结 171课后习题 171第8章 基于非侵入式电力负荷监测与分解的电力分析 1728.1 目标分析 1728.1.1 背景 1728.1.2 数据说明 1738.1.3 分析目标 1758.2 数据准备 1768.2.1 数据探索 1768.2.2 缺失值处理 1798.3 特征工程 1818.3.1 设备数据 1818.3.2 周波数据 1828.4 模型训练 1838.5 性能度量 185小结 189课后习题 189第9章 航空公司客户价值分析 1909.1 目标分析 1909.1.1 背景 1909.1.2 数据说明 1919.1.3 分析目标 1929.2 数据准备 1929.2.1 数据探索 1929.2.2 数据清洗 1939.3 特征工程 1939.3.1 特征构造 1939.3.2 特征选择 1959.3.3 特征变换 1969.4 模型训练 1989.5 性能度量 1999.5.1 结果分析 1999.5.2 客户价值分析 201小结 202课后习题 202第 10章 广电大数据营销推荐 20510.1 目标分析 20510.1.1 背景 20510.1.2 数据说明 20610.1.3 分析目标 20810.2 数据准备 20910.2.1 数据获取 20910.2.2 数据清洗 20910.2.3 数据探索分析 21610.3 特征工程 22210.3.1 特征构造 22210.3.2 节目信息的获取 24410.4 模型构建 24710.4.1 基于物品的协同过滤算法的推荐模型 24810.4.2 基于Simple TagBased TF-IDF算法的标签推荐模型 25010.4.3 Popular流行度推荐模型 25410.5 性能度量 25510.6 结果分析 258小结 258课后习题 259第 11章 基于TipDM数据挖掘建模平台实现航空公司客户价值分析 26011.1 平台简介 26011.1.1 首页 26111.1.2 数据源 26111.1.3 工程 26311.1.4 系统组件 26311.1.5 TipDM数据挖掘建模平台的本地化部署 26411.2 快速构建航空公司客户价值分析工程 26711.2.1 数据获取 26711.2.2 数据准备 27011.2.3 特征工程 27311.2.4 模型训练 275小结 277课后习题 277参考文献 278
作者介绍
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价