【假一罚四】基于Python的无监督学习
集团直发，全新正版书籍，假一罚四，放心选购。24小时内发货，可开发票。
￥ 74.5 7.6折 ￥ 98 全新
库存2件
浙江嘉兴
认证卖家担保交易快速发货售后保障
作者(美)安库·A.帕特|责编:刘炽|译者:孙立超
出版社中国电力
ISBN9787519849498
出版时间2021-01
装帧其他
开本其他
定价98元
货号31053004
上书时间2024-11-29
商品详情
- 品相描述：全新
- 商品描述
-
目录
前言
第一部分 无监督学习基础
第1章 机器学习生态系统中的无监督学习
机器学习基本术语
基于规则（Rules-Based）与机器学习
监督学习与无监督学习
监督学习的优缺点
无监督学习的优缺点
使用无监督学习改进机器学习的解决方案
了解监督学习算法
线性算法
基于邻域的算法
基于树的算法
支持向量机
神经网络
了解无监督学习算法
降维
聚类
特征提取
无监督深度学习
使用无监督学习解决序列数据问题
利用无监督学习的强化学习
半监督学习
无监督学习的成功应用
结论
第2章 完整机器学习项目
环境设置
版本控制：Git
克隆本书的Git存储库
科学库：Anaconda发行版Python
神经网络：TensorFlow和Keras
梯度提升算法，版本1：XGBoost
梯度提升算法，版本2：LightGBM
聚类算法
交互式计算环境：Jupyter Notebook
数据概述
数据准备
数据采集
数据研究
生成特征矩阵和标签数组
特征工程与特征选择
数据可视化（Data Visualization）
模型准备
分离出训练和测试数据集
选择成本函数
创建k折交叉验证集
机器学习模型（第一部分）
评估指标
混淆矩阵（Confusion Matrix）
……
内容摘要
很多业内专家认为无监督学习是人工智能的下一个前沿，可能把握着进入通用人工智能的钥匙。因为世界上绝大部分数据是无标签的，传统的监督学习不能使用到它们。无监督学习通过另外的方法可以使用到这些无标签的数据集从而发现数据深层的有价值的数据模型，这些模型可能是人类自身也
无法发现的。
作者AnkurPatel通过两个简单的、可应用于生产的Python框架向您展示了如何应用无监督学习：Scikit-learn和包含Keras的TensorFlow。通过代码和亲身操作的实例，数据科学家将发现数据中难以发现的模型：检测数据中的异常、进行自动特征工程和选择、生
成合成数据集等，并获得更深层次的业务洞察力。您所
需要的只是一些编程和机器学习经验就可以开始学习本书。
比较不同机器学习方法的优缺点：监督学习、无监督学习和强化学习；从头到尾的建立和管理机器学习项目；建立一个异常检测系统
，以捕捉信用卡交易的欺诈；将用户集群到不同的同构组中；执行半监督学习；使用受限制玻尔兹曼机开发电影推荐系统；使用生成对抗网络生成合成图像。
— 没有更多了 —
以下为对购买帮助不大的评价