新書推薦：
《
秦汉史讲义
》
售價：NT$
690.0
《
万千心理·我的精神分析之道：复杂的俄狄浦斯及其他议题
》
售價：NT$
475.0
《
荷马：伊利亚特（英文）-西方人文经典影印21
》
售價：NT$
490.0
《
我的心理医生是只猫
》
售價：NT$
225.0
《
股权控制战略：如何实现公司控制和有效激励（第2版）
》
售價：NT$
449.0
《
汉译名著·哲学经典十种
》
售價：NT$
3460.0
《
成吉思汗传：看历代帝王将相谋略 修炼安身成事之根本
》
售價：NT$
280.0
《
爱丁堡古罗马史-罗马城的起源和共和国的崛起
》
售價：NT$
349.0
|
| 內容簡介： |
|
《Python机器学习一本通》结合了Python和机器学习两个热门领域，通过易于理解的知识讲解，帮助读者学习和掌握机器学习。全书共20章，分为5篇。其中第1篇为基础入门篇，主要讲述Python机器学习入门、设置机器学习的环境、机器学习基础和统计分析数学基础等内容；第2篇为数据预处理篇，主要讲述了产生和加载数据集、数据预处理等内容；第3篇为机器学习算法篇，主要讲述了回归分析、决策树分析、支持向量机、聚类分析、集成学习、神经网络学习、卷积网络学习和模型评价等内容；第4篇为机器学习应用篇，主要讲述了图像识别、语音识别、期刊新闻分类和图形压缩4个机器学习应用；第5篇为项目实战篇，主要讲述了社交好友分析、电商点击率预估等。《Python机器学习一本通》适用于想了解传统机器学习算法的学生和从业者，想知道如何高效实现机器学习算法的程序员，以及想了解机器学习算法能如何进行应用的职员、经理等。
|
| 關於作者： |
|
杨志晓，工学博士，副教授，现在河南牧业经济学院智能制造与自动化学院工作，从事计算机应用、控制理论与控制工程专业的教学与科研工作。研究方向主要有：人工智能理论及应用、人机情感交互、可信计算。曾参与主持河南省重点科技攻关项目1项、河南省教育厅自然科学研究计划项目2项、河南省高校青年骨干教师资助计划项目、郑州市科技攻关项目各1项，主持省级鉴定项目5项，作为主要完成人参与省级项目10余项，参与国家“十一五”科技支撑计划项目1项，获省政府科技进步2等奖和3等奖各1项，获教育厅科技成果一等奖2项，二等奖4项。获国家授权发明专利2项（均为主持）等。范艳峰，工学博士，教授。1995年至今，于河南工业大学信息科学与工程学院工作，教授。从事人工智能理论及应用的教学科研工作。
|
| 目錄：
|
|
第一篇 基础入门篇第1章Python机器学习 入门11.1 机器学习是人工智能的一个分支21.1.1什么是智能21.1.2智能的特点41.1.3人工智能及其研究内容51.1.4人工智能的主要学派71.1.5人工智能的研究和应用范畴91.2 理解机器学习101.2.1学习与机器学习101.2.2机器学习的分类111.2.3典型的机器学习方法121.2.4深度学习171.3 数据、大数据及其组织方式181.3.1数据及大数据181.3.2数据库与数据仓库181.4 机器学习的一般步骤191.5 本章小结211.6 习题211.7 高手点拨21第2章设置机器学习的 环境232.1 机器学习工具及Python Anaconda的安装242.1.1机器学习工具242.1.2Python Anaconda242.1.3Python Anaconda版的安装和使用282.1.4机器学习库scikit- learn322.2 环境测试332.3 综合实例—第一个机器学习 实例342.4 本章小结362.5 习题362.6 高手点拨36第3章Python机器学习 基础393.1 NumPy数值计算基础403.2 Matplotlib可视化基础593.2.1matplotlib.pyplot绘图元素和 基本流程593.2.2绘制散点图603.2.3绘制折线图和点线图623.2.4绘制柱状图643.2.5绘制饼图673.2.6绘制箱线图693.2.7绘制直方图703.2.8绘制子图713.3 Seaborn统计数据可视化723.3.1特征关系可视化733.3.2特征分类别可视化763.3.3特征分布可视化903.3.4矩阵可视化983.4 访问数据文件1013.4.1NumPy访问二进制文件1013.4.2Pandas访问文本文件1043.4.3Pandas访问Excel文件1073.5 Pandas DataFrame操作1083.5.1DataFrame对象及其属性1083.5.2使用字典方式访问 DataFrame1103.5.3使用属性方式访问 DataFrame1123.5.4DataFrame访问行的特殊方法1133.5.5使用DataFrame.loc[ ],DataFrame.iloc[ ]对DataFrame进行切片1143.5.6更改DataFrame中的数据1193.6 综合实例—iris数据集特征、特征间关系及分类别分析1213.7 本章小结1293.8 习题1293.9 高手点拨130第4章统计分析数学基础及 Python实现1314.1 基本统计知识1324.1.1中位数、众数、极差1324.1.2相关性、协方差、相关系数、 协方差矩阵1334.1.3数据的分组聚合1354.1.4数据透视表与交叉表1364.2 NumPy统计分析1364.3 Pandas统计分析1404.3.1Pandas DataFrame描述性 统计1414.3.2Pandas DataFrame数据离散化1464.3.3使用GroupBy拆分数据并 进行描述性统计1504.3.4使用agg方法聚合数据1574.3.5使用apply方法聚合数据1604.3.6使用transform方法聚合数据1614.3.7使用pivot_table创建 透视表1634.3.8使用crosstab创建交叉表1714.4 综合实例—iris数据集统计 分析1734.5 本章小结1894.6 习题1894.7 高手点拨190第二篇 数据预处理篇第5章数据分析第一步—产生和加载 数据集1915.1 使用NumPy的函数产生模拟 数据集1925.2 使用scikit-learn样本生成器生成数据集1985.3 访问scikit-learn自带数据 文件2065.4 访问外部数据文件2105.5 综合实例—加载boston数据集、 另存为并重新访问2115.6 本章小结2145.7 习题2155.8 高手点拨215第6章数据分析第二步—数据预处理2176.1 数据预处理的基础知识2186.1.1一般流程和常用方法2186.1.2标准化和正则化2196.1.3特征选择2216.1.4特征降维—主成分分析、 线性判别分析2226.1.5Pandas与scikit- learn数据预处理概述2276.2 使用scikit-learn进行数据 预处理2286.2.1使用sklearn对数据集进行 Z- score标准化2286.2.2使用sklearn对数据集进行 极差标准化2326.2.3使用sklearn对数据集 正则化2356.2.4使用sklearn对数据集 二值化2386.2.5使用sklearn进行缺失值 插补2396.2.6使用sklearn对分类特征 编码2406.3 特征降维2426.3.1PCA降维2426.3.2LDA降维2476.3.3TSNE降维2506.4 综合实例—breast_cancer 数据集预处理2536.5 本章小结2586.6 习题2596.7 高手点拨259第三篇 机器学习算法篇第7章回归分析2617.1 回归分析及常用方法2627.1.1线性回归2627.1.2逻辑回归2637.1.3多项式回归2637.1.4逐步回归2637.1.5岭回归2637.1.6套索回归2647.1.7弹性网络回归2647.2 线性回归理论基础2647.3 使用scikit-learn进行线性回归2667.4 使用scikit-learn进行岭回归2717.5 使用scikit-learn进行逻辑回归2747.6 使用scikit-learn进行多项式回归2807.6.1单特征数据集多项式回归2807.6.2多特征数据集多项式回归2857.7 综合实例—波士顿房价数据集回归分析2917.8 本章小结2957.9 习题2967.10 高手点拨296第8章分类算法—决策树 学习2978.1 决策树算法基础2988.1.1信息熵、信息增益、信息 增益率2988.1.2决策树算法3028.2 使用scikit-learn进行决策树学习3038.3 综合实例—使用决策树对鸢尾花数据集iris进行分类3148.4 本章小结3198.5 习题3198.6 高手点拨320
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
