机器学习与Python实践
正版保障 假一赔十 可开发票
￥ 33.88 6.2折 ￥ 55 全新
仅1件
作者柳毅
出版社西安电子科技大学出版社有限公司
ISBN9787560664620
出版时间2021-05
装帧平装
开本其他
定价55元
货号11683555
上书时间2024-12-21
![景观十年:[图集]](https://www0.kfzimg.com/sw/kfz-cos/kfzimg/abfdcbbf/faa2f595eea222f4_s.jpg)
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章 机器学习简介
1.1人工智能、机器学习与深度学习
1.2 机器学习概述
1.2.1有监督学习
1.2.2无监督学习
1.2.3有监督学习与无监督学习的区别
1.2.4深度学习
1.2.5强化学习
1.3机器学习的具体过程
1.3.1数据采集和标记
1.3.2数据预处理
1.3.3特征工程及特征选择
1.3.4模型选择
1.3.5模型训练和测试
1.3.6模型性能评估、使用和优化
1.4机器学习的重要元素
1.4.1欠拟合和过拟合
1.4.2模型性能评估指标
1.4.3模型评价ROC曲线与AUC值
1.5机器学习的开发环境
1.5.1Jupyter的安装与使用
1.5.2Anaconda 3的安装搭建
1.5.3 Python的PyCharm集成
开发环境
本章小结
习题
第2章机器学习的Python基础库
2.1 NumPy
2.1.1 ndarray 的数据类型
2.1.2数组和标量之间的运算
2.1.3索引和切片
2.1.4数组转置和轴对换
……
第13章强化学习
13.1强化学习简介
13.1.1强化学习基本原理
13.1.2强化学习的特点
13.1.3强化学习要素
13.1.4强化学习与监督学习、非监督学习之间的关系
13.1.5强化学习的学习过程
13.1.6价值函数的计算过程
13.2 马尔可夫（Markov）决策过程
13.3强化学习方法
13.3.1强化学习方法分类
13.3.2时序差分法
13.3.3基于动态规划的算法
13.3.4策略梯度算法
13.4强化学习实例
本章小结
习题
参考文献
精彩内容本书基于Python的Scikit Learn库介绍了机器学习、深度学习和强化学习的基础知识，如分类、回归、反向传播算法和梯度下降算法，以及TensorFlow基础框架的安装使用和API的介绍等。本书在内容上尽可能涵盖机器学习、深度学习和强化学习的经典算法(如卷积神经网络、循环神经网络、迁移学习等)并清晰地阐释它们的原理，本书还基于TensorFlow框架对多个常见的经典数据集进行了算法模型的实践，如基于INIST手写体图片和Iris Flowers Dataset鸢尾花数据集的识别、基于NLP数据集的文本分析以及基于OpenAIGym环境的AGV多智能体路径优化实战等。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价