消息首页搜索举报

正版现货新书 Python高级机器学习 9787115529688 [英] 约翰·哈蒂（John Hearty）|译者:王大鹏，管晨，郭鹏程

全新正版现货，以书名为准，放心购买，购书咨询18931383650朱老师

46.15 7.8折 59 全新

仅1件

北京丰台

认证卖家担保交易快速发货售后保障

作者[英] 约翰·哈蒂（John Hearty）|译者:王大鹏，管晨，郭鹏程

出版社人民邮电

ISBN9787115529688

出版时间2020-01

装帧平装

开本其他

定价59元

货号30816559

上书时间2024-12-27

黎明书店

十五年老店

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 9小时
好评率暂无

最新上架

正版现货新书客户关系管理 9787030655325 胡北忠 ¥44.61

正版现货新书我是猫 9787540252076 夏目漱石 ¥6.39

正版现货新书大学计算机/基于计算思维（第6版） 9787121369889 罗容

正版现货新书叙述文体学与文学叙事阐释 9787544661324 徐有志, 贾晓庆, 徐涛著

正版现货新书公路工程物探规程 JTG/T 3222-2020 9787114168314 中交公路勘察设计研究院有限公司

正版现货新书肾癌药物药理学/杨洋徐天瑞李伟 9787030662446 杨洋,徐天瑞,李伟

正版现货新书笔画部首结构同义词近义词反义词组词造句多音多义字词典 2020年新修订 64开 9787513806053 说词解字辞书研究中心

商品详情

品相描述：全新

商品描述: 作者简介
约翰·哈蒂（JohnHearty），数据科学家，数据科学和架构工程领域咨询专家，曾为微软、世嘉等公司提供咨询服务，致力于将机器学习前沿技术付诸实践，热衷于用Python构建机器学习解决方案。现任职于NuDataSecurity公司。

目录
版权声明    iii
前言    v
第 1章无监督机器学习    1
1.1 主成分分析    1
1.1.1 主成分分析入门    2
1.1.2 应用主成分分析    3
1.2 k均值聚类    5
1.2.1 聚类入门    5
1.2.2 开始聚类分析    6
1.2.3 调整聚类参数    10
1.3 自组织映射    13
1.3.1 自组织映射入门    13
1.3.2 部署自组织映射    14
1.4 扩展阅读    17
1.5 小结    18
第 2章深度信念网络    19
2.1 神经网络入门    19
2.1.1 神经网络的组成    20
2.1.2 网络拓扑结构    20
2.2 受限玻尔兹曼机    23
2.2.1 受限玻尔兹曼机简介    23
2.2.2 受限玻尔兹曼机的应用    26
2.2.3 受限玻尔兹曼机的扩展应用    35
2.3 深度信念网络    35
2.3.1 训练深度信念网络    36
2.3.2 应用深度信念网络    36
2.3.3 验证深度信念网络    39
2.4 扩展阅读    40
2.5 小结    40
第3章堆叠式降噪自编码机    41
3.1 自编码机    41
3.1.1 自编码机简介    41
3.1.2 降噪自编码机    43
3.1.3 应用降噪自编码机    44
3.2 堆叠式降噪自编码机    47
3.2.1 应用堆叠式降噪自编码机    48
3.2.2 评估堆叠式降噪自编码机的性能    53
3.3 扩展阅读    54
3.4 小结    54
第4章卷积神经网络    55
4.1 CNN介绍    55
4.1.1 CNN拓扑结构    56
4.1.2 应用CNN    66
4.2 扩展阅读    71
4.3 小结    71
第5章半监督学习    72
5.1 简介    72
5.2 何为半监督学习    72
5.3 半监督算法实战    73
5.3.1 自训练    73
5.3.2 对比悲观似然估计    81
5.4 扩展阅读    89
5.5 小结    90
第6章文本特征工程    91
6.1 介绍    91
6.2 文本特征工程    92
6.2.1 清洗文本数据    92
6.2.2 根据文本数据构造特征    99
6.2.3 测试准备好的数据    103
6.3 扩展阅读    108
6.4 小结    109
第7章特征工程II    110
7.1 介绍    110
7.2 创建特征集    110
7.2.1 为机器学习应用构建特征    111
7.2.2 运用特征选择技术    117
7.3 特征工程实战    123
7.4 扩展阅读    141
7.5 小结    142
第8章集成方法    143
8.1 集成简介    143
8.1.1 理解平均集成    144
8.1.2 应用提升法    148
8.1.3 使用堆叠集成    153
8.2 在动态应用中使用模型    157
8.2.1 理解模型稳健性    158
8.2.2 控制模型稳健性的策略    163
8.3 扩展阅读    166
8.4 小结    166
第9章其他Python机器学习工具    167
9.1 可选的开发工具    167
9.1.1 Lasagne简介    167
9.1.2 TensorFlow简介    169
9.1.3 何时使用这些库    173
9.2 扩展阅读    174
9.3 小结    175
附录代码运行要求    176

内容摘要
Python是杰出的脚本语言，在速度、安全性和可扩展性等方面表现出众。在机器学习领域，越来越多的从业者也选择使用易于上手、功能强大的Python语言。本书依次介绍无监督机器学习、深度信念网络、堆叠式降噪自编码机、卷积神经网络、半监督学习技术、文本特征工程，模型集成方法，以及其他一些实用的Python机器学习工具。除了理论知识与代码实现，本书还细致讲解了分析和解决问题的思路，极具启发性。

— 没有更多了 —