打下最扎实的AI基础：从scikit-learn一步一脚印 pdf epub mobi txt 电子书下载 2024

图书介绍

☆☆☆☆☆
简体网页||繁体网页

著者

出版者出版社：佳魁资讯订阅出版社新书快讯新功能介绍

翻译者

出版日期出版日期：2019/03/18

语言语言：繁体中文

下载链接在页面底部

点击这里下载

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製鏈接

想要找书就要到小特书站

ttbooks.qciss.net

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

发表于2024-05-08

类似图书点击查看全场最低价

图书描述

理论基础包含机器学习的应用场景、开发之典型步骤，numpy、pandas、matplotlib等皆有演算法模型性能评估的指标与评估方法的篇章；八大常用机器学习演算法:k-近邻演算法、线性回归演算法、逻辑回归演算法、决策树支持向量机、单纯贝氏演算法、PCA演算法、k-平均值演算法。

本书特色

　　用通俗易懂的语言介绍机器学习演算法的原理，符合初学者的认知规律，丰富的范例图片，帮助读者更加直观地了解演算法背后的原理，实例丰富，帮助读者使用机器学习演算法解决工程应用问题。

著者信息

打下最扎实的AI基础：从scikit-learn一步一脚印 pdf epub mobi txt 电子书下载

图书目录

Chapter01 机器学习介绍
1.1 什么是机器学习
1.2 机器学习有什么用
1.3 机器学习的分类
1.4 机器学习应用程式开发的典型步
1.5 复习题

Chapter02 Python 机器学习软体套件
2.1 开发环境架设
2.3 Numpy 简介
2.4 Pandas 简介

Chapter03 机器学习理论基础
3.1 过拟合和欠拟合
3.2 成本函数
3.3 模型准确性
3.4 学习曲线
3.5 演算法模型效能最佳化
3.6 查准率和召回率
3.7 F1 Score
3.8 复习题

Chapter04 k- 近邻演算法
4.1 演算法原理
4.2 范例：使用k- 近邻演算法进行分类
4.3 范例：使用k- 近邻演算法进行回归拟合
4.4 实例：糖尿病预测
4.5 扩充阅读
4.6 复习题

Chapter05 线性回归演算法
5.1 演算法原理
5.2 多变数线性回归演算法
5.3 模型最佳化
5.4 范例：使用线性回归演算法拟合正弦函数
5.5 范例：测算房价
5.6 扩充阅读
5.7 复习题

Chapter06 逻辑回归演算法
6.1 演算法原理
6.2 多元分类
6.3 正规化
6.4 演算法参数
6.5 实例：乳腺癌检测
6.6 扩充阅读
6.7 复习题

Chapter07 决策树
7.1 演算法原理
7.2 演算法参数
7.3 实例：预测铁达尼号倖存者
7.4 扩充阅读
7.5 集合演算法
7.6 复习题

Chapter08 支援向量机
8.1 演算法原理
8.2 核心函数
8.3 scikit-learn 里的
8.4 实例：乳腺癌检测
8.5 复习题

Chapter09 单纯贝氏演算法
9.1 演算法原理
9.2 一个简单的实例
9.3 机率分佈
9.4 连续值的处理
9.5 实例：文件分类
9.6 复习题

Chapter10 PCA 演算法
10.1 演算法原理
10.2 PCA 演算法范例
10.3 PCA 的资料还原率及应用
10.4 实例：人脸识别
10.5 扩充阅读
10.6 复习题

Chapter11 k- 平均值演算法
11.1 演算法原理
11.2 scikit-learn 里的k- 平均值演算法
11.3 使用k- 平均值对文件进行分群分析
11.4 分群演算法效能评估
11.5 复习题

AppendixA 后记
A.1 回顾与展望