机器学习入门与实战
正版新书 新华官方库房直发 可开电子发票
￥ 42.54 7.1折 ￥ 59.9 全新
库存3件
作者张海涛，李建东主编
出版社电子工业出版社
ISBN9787121409509
出版时间2021-05
版次1
装帧平装
开本16开
纸张胶版纸
页数232页
字数348千字
定价59.9元
货号SC:9787121409509
上书时间2024-12-14
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
内容简介:
本书以scikit-learn和Keras框架作为实战平台，讲解了传统机器学习的主流技术和近期新深度学习的研究成果。其中，“第一篇 传统机器学习”包括第1～10章，介绍了机器学习概念、监督学习算法（回归分析、Logistic回归、k近邻、决策树、朴素贝叶斯、支持向量机）、无监督学习算法（神经网络、聚类、降维）；“第二篇 深度学习”包括第11～15章，介绍了深度学习的概念、卷积神经网络、循环神经网络、生成对抗网络和强化学习等。本书的编写旨在体现“做中学”理念，读者在学习初期不必过多纠缠于算法理论，而是通过实际案例快速入门，进而激发兴趣，自主完善理论学习，最终顺利跨入人工智能的殿堂。本书可以作为高校数据科学与大数据技术、人工智能等专业的教材，也可以作为致力于开展人工智能研究的读者快速入门的参考资料。
目录:
第一篇 传统机器学习
第1章 机器学习概述 2
1.1 机器学习概念 2
1.1.1 什么是机器学习 2
1.1.2 机器学习有什么用 2
1.1.3 机器学习的分类 3
1.2 机器学习理论基础 9
1.2.1 过拟合和欠拟合 9
1.2.2 损失函数 9
1.2.3 模型性能度量方法 11
1.2.4 学习曲线 14
1.2.5 算法模型性能优化 17
1.3 scikit-learn简介 21
1.3.1 关于scikit-learn 21
1.3.2 安装scikit-learn 21
1.3.3 scikit-learn数据集 21
习题 27
参考文献 30
第2章 回归分析 31
2.1 一元线性回归 31
2.1.1 一元线性回归的实现 31
2.1.2 解一元线性回归的最小二乘法 34
2.1.3 模型评估 35
2.2 多元线性回归 36
2.3 多项式回归 36
习题 41
参考文献 42
第3章 Logistic回归 43
3.1 分类问题概述 43
3.2 Logistic回归分类 44
3.2.1 Logistic回归算法的原理 44
3.2.2 Logistic回归算法实例 48
3.3 Softmax回归――多元分类问题 55
习题 58
参考文献 59
第4章 k近邻 60
4.1 k近邻算法原理 60
...
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价