基于机器学习的数据分析方法
正版新书 新华官方库房直发 可开电子发票
￥ 52.51 5.9折 ￥ 89 全新
仅1件
作者苏美红
出版社化学工业出版社
ISBN9787122439895
出版时间2024-03
版次1
装帧平装
开本16开
纸张胶版纸
页数144页
字数153千字
定价89元
货号SC:9787122439895
上书时间2024-11-09
- 在售商品 暂无
- 平均发货时间 16小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
无
主编推荐:
本书在介绍机器学习相关知识的基础上，主要介绍了基于机器学习的特殊数据模型的建立和分析的方法，尤其是含有异常点或服从重尾分布的数据，包括基于正则化方法的回归模型、 自加权鲁棒正则化方法、基于自变量相关的鲁棒回归模型、 基于因变量相关的Lasso回归模型、 基于变量相关的岭回归模型。本书内容对于统计机器学习相关专业师生及技术人员有很好的参考性。
内容简介:
作为人工智能的核心技术，机器学习在数据分析中具有举足轻重的地位。本书在介绍机器学习相关知识的基础上，主要介绍了如何对有噪声的数据进行鲁棒回归分析。全书共6章，除第1章外，各章对异常点或重尾分布数据中的具体问题进行了详细分析与建模，所涉及的问题包括权值选择问题、变量相关性问题以及网络数据问题等。
本书对于构建具有鲁棒性的机器学习模型具有很好的参考性，适用于含噪声的数据分析与应用，可供数据分析、人工智能等相关专业师生及行业技术人员参考阅读。
目录:
第1章 机器学习基础 001
1.1 机器学习及基本概念 002
1.1.1 什么是机器学习 002
1.1.2 机器学习中的一些基本概念 003
1.2 机器学习三要素 005
1.2.1 模型 005
1.2.2 策略 006
1.2.3 算法 009
1.3 机器学习分类 009
1.3.1 监督学习 010
1.3.2 无监督学习 013
1.3.3 半监督学习 013
1.3.4 强化学习 013
1.4 回归模型发展现状 014
1.4.1 线性回归 014
1.4.2 基于邻近信息的回归模型 018
1.4.3 鲁棒回归模型 020
……
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价