统计机器学习及Python实现
正版新书 新华官方库房直发 可开电子发票
￥ 92.16 7.2折 ￥ 128 全新
库存6件
作者徐礼文编著
出版社科学出版社
ISBN9787030724380
出版时间2022-09
版次1
装帧平装
开本B5
纸张胶版纸
页数244页
字数308千字
定价128元
货号SC:9787030724380
上书时间2024-11-27
- 在售商品 暂无
- 平均发货时间 13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
-
内容简介:
本书主要介绍统计机器学习领域常用的基础模型、算法和代码实现。包括统计机器学习、Python语言基础，常用的线性回归、贝叶斯分类器、逻辑回归、VM、核方法、集成学习，以及深度学习中的多层感知器、卷积神经网络、循环神经网络、变分自编码器、对抗生成网络和强化学习等模型与优化方法，使用Scikit-Learn、TensorFlow和PyTorch定制模型与训练等。
本书面向的主要读者是统计学、机器学习和人工智能等领域的高年级本科生和研究生，以及其他各领域有数据驱动任务的学生和从业人员。
目录:
前言
第1章 引言
1.1 问题驱动
1.2 统计机器学习的基本任务
1.3 统计机器学习的总体目标和样本策略
1.3.1 监督学习
1.3.2 无监督学习
1.3.3 基于样本的统计机器学习方法
1.4 Anaconda、TensorFlow 2.0和PyTorch的安装
1.4.1 Anaconda的安装
1.4.2 TensorFlow 2.0的安装
1.4.3 PyTorch的安装
第2章 线性回归
2.1 一般线性回归模型
2.1.1 基本框架
2.1.2 梯度下降法
2.1.3 性能度量
2.2 多项式回归
2.3 线性回归的正则化方法
2.3.1 线性岭回归
2.3.2 LASSO回归
2.4 线性回归Python实现
第3章 线性分类器
3.1 概率生成模型
3.2 二分类概率生成模型
3.3 逻辑回归
3.4 Softmax回归
3.5 逻辑回归的
3.6 分类任务的Python实现
第4章 支持向量机
4.1 线性SVM分类器
4.2 线性支持向量回归
4.3 SVM的Python实现
4.3.1 软间隔分类
4.3.2 非线性SVM分类
4.3.3 支持向量回归的实现
第5章 核方法
5.1 特征映射
5.2 核函数
5.3 核方法的数学基础
5.3.1 希尔伯特空间
...
— 没有更多了 —
以下为对购买帮助不大的评价