新書推薦：
《
寻路：走向西南联大（西南联大文库）
》
售價：NT$
302.0
《
短视频Vlog全流程：镜头脚本+运镜技巧+场景主题+后期剪辑
》
售價：NT$
406.0
《
英国小史
》
售價：NT$
426.0
《
影响力原则
》
售價：NT$
354.0
《
德川家康（全十三册）（他用30年活了下来，建立起300年基业）
》
售價：NT$
4155.0
《
新知文库·动人的北平
》
售價：NT$
155.0
《
萧条中的生存策略
》
售價：NT$
260.0
《
银色瀑布：美国兵工厂与中途岛海战
》
售價：NT$
359.0
|
| 編輯推薦： |
人工智能无疑是近年来热门词汇，而机器学习作为其基础的理论占有举足轻重的地位，杜宇想要进入人工智能行业的您来说，节省时间、快速入门首要问题。再多的知识也要实践，现场实操，才是快速学习、消化的通路。
《Python机器学习入门：机器学习算法的理论与实践》正是这样一本，从基础理论讲起，以实操驱动的方式全面展示技巧和方法，为您提供了快速入门机器学习的途径，找到了学习的方法。
|
| 內容簡介： |
《Python机器学习入门：机器学习算法的理论与实践》全面细致地讲解了机器学习的基础知识及其应用，具体内容包括机器学习中必要的环境搭建和Python的基础知识、有监督学习和无监督学习的理论及其实际应用案例、有监督学习和无监督学习的机器学习模式，并以理论结合公式的方式讲解了Python代码的编写方法，以及数据的采集、处理和实际操作中机器学习的模式。
本书适合人工智能、机器学习方向的学生和技术人员学习、使用，也适合广大人工智能爱好者阅读。
|
| 目錄：
|
目录
译者的话
原书前言
第1章阅读本书前的准备
1.1Python的安装
1.1.1何为Python
1.1.2Homebrew的安装
1.1.3Python3的安装
1.1.4虚拟环境的创建
1.1.5为何使用venv（为何不用pyenv、anaconda）
1.2Python的使用方法
1.2.1输出Hello World！
1.2.2IPython的使用
1.2.3四则运算
1.2.4字符串的使用
1.2.5列表类型的使用
1.2.6字典类型的使用
1.2.7其他数据类型
1.2.8条件分支
1.2.9循环
1.2.10函数的使用
1.2.11类的使用
1.2.12标准库的使用
1.3Jupyter Notebook的安装和使用
1.3.1Jupyter Notebook的安装和启动
1.3.2Jupyter Notebook的使用
1.4NumPy、scikit-learn、matplotlib、Pandas的使用
1.4.1NumPy的安装和使用
1.4.2scikit-learn的安装和使用
1.4.3matplotlib的安装和使用
1.4.4Pandas的安装和使用
第2章机器学习在实际中的使用
2.1在工作中运用机器学习
2.1.1关于机器学习
2.1.2输入输出的格式化
2.1.3分析任务的本质
2.1.4实际问题的分析案例
2.2用样本数据尝试有监督学习
2.2.1尝试分类的案例
2.2.2运用决策树分类
2.2.3尝试解决实际问题
2.2.4解决实际问题的注意要点
2.3用样本数据尝试无监督学习
2.3.1无监督学习
2.3.2使用样本尝试scikit-learn
2.4小结
第3章机器学习基础理论
3.1数学知识的准备
3.1.1本节的学习流程
3.1.2为什么数学是必要的
3.1.3集合和函数基础
3.1.4线性代数基础
3.1.5微分基础
3.1.6概率统计基础
3.2机器学习的基础
3.2.1机器学习的目的
3.2.2技术性的假设和用语
3.2.3有监督学习概述
3.2.4从泛化误差看有监督学习
3.2.5无监督学习概述
3.3有监督学习
3.3.1分类模型的精度评价
3.3.2逻辑回归
3.3.3神经网络
3.3.4梯度提升决策树
3.4无监督学习
3.4.1混合高斯模型
3.4.2k-均值
3.4.3层次聚类
3.4.4核密度估计
3.4.5t-SNE
第4章数据的整合与处理
4.1机器学习中数据的使用流程
4.2数据的获取和整合
4.2.1数据结构的理解
4.2.2从结构化数据中读取数据
4.2.3读取数据
4.2.4分组聚合
4.2.5时间格式的操作方法
4.2.6合并
4.3数据的格式化
4.3.1数据种类的理解
4.3.2标准化
4.3.3缺省值
4.4非结构化数据的处理
4.4.1文本数据的预处理
4.4.2终端中MeCab的应用
4.4.3Python中MeCab的应用
4.4.4图片数据的处理
4.5不平衡数据的处理
4.5.1分类问题中的不平衡数据
4.5.2数据不平衡问题
4.5.3一般的处理方法
4.5.4样本权重的调整
4.5.5降采样法
|
| 內容試閱：
|
原 书 前 言
“人工智能将为商务活动带来变革”这个说法由来已久。商业界的注目使得更多的人都不断地加入这个领域中来。生活中关于人工智能的信息，从面向一般人的文章，到面向专业人士的论文，以及真假难辨的报道，层出不穷。而泛滥的信息使得初学者面临着较难的取舍选择，使得从零基础开始自学变得非常困难。
着笔写这本书的时候，人工智能大多指的是，诸如本书主要讲解的“机器学习算法”“机器学习模型”以及为一般用户提供的“系统”课题。然而，为了实现人工智能在商务活动中的应用，理解机器学习算法和构建系统的顺序是很有必要的。
本书将采用机器学习中常使用的Python程序语言，不仅从算法的理解方面，还从实际操作方面，带领大家零基础学习机器学习的模型设计。我们期待读者通过这本书，掌握机器学习在商务活动应用中的技巧。除此之外，也希望读者能明白人工智能和机器学习关于“技术上指的是什么”“擅长做什么不擅长做什么”等问题的关键。
读完这本书，相信您对人工智能、机器学习会有更深入学习的兴趣。不论是想要掌握机器学习的技能从而在职场大展身手的IT工程师，还是将来想成为数据分析师的学生，如果这本书对您有帮助，我们将深感荣幸。本书的读者对象及阅读必要知识
机器学习是在人工智能相关产品、服务的开发中，基础的学习领域。
本书是讲解机器学习的基础和实践的书籍。
本书包括机器学习开发环境的准备、实际使用方法、简单易懂的理论部分，以及数据收集、处理和相应的机器学习模式的使用方法。
Python基础的程序语言知识
大学线性代数和微积分知识
本书的构成
本书分为4个章节。
第1章将介绍机器学习中必要的环境搭建和Python的基础知识。
第2章将分别举例讲解有监督学习和无监督学习。
第3章将介绍有监督学习和无监督学习的机器学习模式，主要以理论结合公式的方式讲解Python代码的编写方法。
第4章将对数据的采集、处理和实际操作中机器学习模式的利用进行说明。
本书样本的运行环境及样本程序
本书各章的样本都是在下表给出的操作环境中运行的，并且已确认没有问题。另外，本书是以macOS操作环境为基础进行叙述的，并通过pip命令指定库解析进行安装，具体参见1.4节。
运行环境项目内容项目内容OSmac OS
Sierra/MohevaPandas0.24.2Python3.6.1/3.6.2/3.7.0Pillow6.0.0graphviz2.40.1scikit-learn0.20.3NumPy1.16.2SciPy1.2.1matplotlib3.0.3seaborn0.9.0mecab0.996swig3.0.12mecab-ipadic2.7.0Homebrew（版本号2.1.1）mecab-python30.996.1开发环境
IPython（版本号6.2.1~7.4.0）jupyter（版本号1.0.0）
|
|
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
