登入帳戶　 |　訂單查詢　 |　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
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入   新用戶註冊

HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / 物流，時效：出貨後2-4日

新書推薦： 《 明式家具三十年经眼录 》 售價：NT$ 2387.0 《 敦煌写本文献学（增订本） 》 售價：NT$ 1010.0 《 耕读史 》 售價：NT$ 500.0 《 地理计算与R语言 》 售價：NT$ 551.0 《 沈括的知识世界：一种闻见主义的实践（中华学术译丛） 》 售價：NT$ 398.0 《 大思维：哥伦比亚商学院六步创新思维模型 》 售價：NT$ 332.0 《 宏观经济学（第三版）【2024诺贝尔经济学奖获奖者作品】 》 售價：NT$ 709.0 《 UE5虚幻引擎必修课（视频教学版） 》 售價：NT$ 505.0

建議一齊購買： + NT$ 315 《 土壤地理学（第二版） 》 + NT$ 299 《 高等数学（上册） 》 + NT$ 398 《 现代农业保险学 》 + NT$ 1188 《 经济学原理（第8版）（套装微观经济学分册+宏观经济学分册 曼昆） 》 + NT$ 630 《 数字图像处理（MATLAB版）（第二版）（本科教学版） 》 + NT$ 474 《 有机化学学习笔记（第三版） 》 編輯推薦： 本教材内容设计遵循职业教育教学特点，培养人工智能领域人才为目标，先以开发工具入手，让读者对机器学习应用开发有个初步的感知，继而讲解了机器学习必不可缺的数据预处理知识，为后续算法的应用开发做好了充足的准备。后通过八个项目，讲解了机器学习几个典型算法的原理及典型应用，帮助读者掌握机器学习算法的的应用开发，并应用到以后的工作实践中。本书配有教学PPT、项目源代码，微课视频，课后体系答案，方便老师教学，学生学习使用。 內容簡介： 本书主要讲解了机器学习算法的基础知识，以及业界常用算法的应用。其中，项目1 介绍了机器学习的定义、类型、环境搭建以及开发步骤；项目2 介绍了如何进行数据预处理，包含如何对获取的原始数据进行处理、数据集的划分、数据的归一化，以及如何使用主成分分析来提取数据的主要特征等内容；其他8个项目主要介绍了目前主流的机器学习算法。每个项目均介绍了要讲解的算法的原理、步骤、特点，再通过具体的案例对算法的原理知识展开详细的讲解，并将算法应用于实际的场景中，加深读者对算法的理解。 　　本书可作为高等院校大数据技术、人工智能技术等相关专业的基础教材，也适合对机器学习感兴趣的读者自学。 關於作者： 李阳，博士研究生，攻读硕士与博士期间的研究方向为图像处理、计算机视觉和机器学习等。曾在企业中任职网络工程师与图像算法工程师。现任江苏信息职业技术学院专职教师。以作者身份在ACM Transactions on Multimedia Computing， Communications， and Applications、Neurocomputing等期刊上发表学术论文7篇，申请国家发明专利4项，参与国家自然科学基金2项 目錄： 项目1　走进机器学习的世界 1 任务1-1 了解机器学习应用场景 2 任务1-2 机器学习算法的分类方式 3 任务1-3 软件库与框架 5 任务1-4 配置机器学习开发环境 7 任务1-5 了解机器学习步骤 9 项目小结 11 练习题 11 项目2　数据预处理 12 任务2-1 数据划分与归一化 13 任务2-2 重复值、缺损值和异常值处理 16 任务2-3 实现PCA 图像去噪 24 项目小结 28 练习题 28 项目3　基于K-Means 算法的应用实践 30 任务3-1 使用K-Means 算法实现聚类手写图像 31 任务3-2 实现身高、体重聚类 38 任务3-3 使用K-Means 算法实现图像压缩 42 项目小结 44 练习题 45 IV 机器学习算法与应用（Python 版） 项目4　基于KNN 算法的应用实践 46 任务4-1 使用KNN 算法实现鸢尾花分类 47 任务4-2 使用KNN 回归算法预测鞋码 52 任务4-3 使用KNN 算法实现乳腺癌预测 55 项目小结 58 练习题 58 项目5　基于线性回归算法的应用实践 60 任务5-1 使用一元线性回归算法实现直线拟合 61 任务5-2 使用多元线性回归算法实现波士顿房价预测 64 任务5-3 使用多项式扩展实现曲线预测 66 项目小结 68 练习题 68 项目6　基于逻辑回归算法的应用实践 70 任务6-1 使用逻辑回归算法检测信用卡欺诈 71 任务6-2 使用逻辑回归算法解决数据不平衡问题 76 任务6-3 使用逻辑回归算法处理鸢尾花分类问题 80 项目小结 82 练习题 82 项目7　基于决策树算法的应用实践 83 任务7-1 使用决策树算法实现鸢尾花分类 84 任务7-2 使用决策树回归算法实现曲线预测 93 任务7-3 使用决策树算法预测波士顿房价 95 项目小结 96 练习题 96 项目8　基于支持向量机算法的应用实践 98 任务8-1 使用支持向量机算法处理二维数据分类问题 99 任务8-2 使用支持向量机算法处理高维数据分类问题 103 任务8-3 使用SVM 回归算法预测曲线预测和波士顿房价 107 V 目 录 项目小结 110 练习题 110 项目9　基于神经网络算法实现曲线拟合 112 任务9-1 人工神经网络反向传播计算 113 任务9-2 使用人工神经网络算法拟合函数 118 任务9-3 使用人工神经网络算法实现鸢尾花分类 121 项目小结 123 练习题 123 项目10　基于AdaBoost 算法的应用实践 125 任务10-1 使用AdaBoost 算法原理知识进行分类器计算 126 任务10-2 使用AdaBoost 算法实现鸢尾花分类问题 129 任务10-3 使用AdaBoost 算法实现人脸识别 132 任务10-4 使用AdaBoost 算法实现曲线预测 135 项目小结 137 练习题 137 参考文献 139 內容試閱： “机器学习”这一概念是由美国人工智能领域的先驱阿瑟·塞缪尔（Arthur Samuel）在1959 年正式提出的，他说“机器学习赋予计算机学习的能力，而无须明 确编程”。 机器学习是人工智能领域中的一个子集，与以往计算机程序不同，机器学习强调 的是“学习”，而不是按部就班地执行命令。机器学习是计算机科学有趣的子领域之 一，但对它的定义目前还没有达到普遍共识。1997 年，汤姆·米切尔（Tom Mitchell） 给出了一个定义，即“对于某类任务T 和性能度量P，如果一个计算机程序在T 上以 P 衡量的性能随着经验E 而不断完善自身，那么称这个计算机程序在从经验E 中学习”。 机器学习是一门多领域交叉学科，涉及概率论、凸优化、统计学等学科，已经广 泛应用到制造、驾驶、农业、医学等领域。 本书介绍了当前主流的机器学习算法并把它们应用于实践，通俗易懂，通过算法 原理简介、多个实际案例讲解提高读者的兴趣，将带读者走入机器学习应用的大门。 Python 语言由于其易读性和大量库的支持，成为学习机器学习的语言。其中， Sklearn 库包含了大量的数据集和机器学习算法，为机器学习的入门提供了基础。本 书将使用Python 语言实现部分机器学习算法。 本书分为10 个项目，每个项目都包含多个子任务，通过任务驱动的方式讲解了 各种机器学习算法，具体如下。 （1）项目1　走进机器学习的世界。此项目主要是为后续项目内容做铺垫，介绍 了机器学习算法的种类、应用场景、常用的开发框架和软件库，以及如何配置机器学 习开发环境。 （2）项目2　数据预处理。在进行机器学习算法模型训练之前，总是需要将输入 数据进行预处理，保留有意义的数据，进而在此基础上进行下一步的模型训练操作。 项目2 主要讲解了数据预处理的操作手段。 II 机器学习算法与应用（Python 版） （3）项目3　基于K-Means 算法的应用实践。此项目主要介绍了K-Means 算法的基 本原理，并通过具体的案例对原理知识展开深入的讲解。 （4）项目4　基于KNN 算法的应用实践。此项目首先针对KNN 算法原理部分进行 了深入的探讨，然后介绍KNN 算法在分类中的基本使用流程，后采用KNN 算法实现 各种具体的案例。 （5）项目5　基于线性回归算法的应用实践。此项目主要围绕多种线性回归方式 来实现具体的案例，从而进一步加深读者对线性回归原理知识的理解。 （6）项目6　基于逻辑回归算法的应用实践。此项目介绍了逻辑回归算法的基本 原理，并且给出了处理样本数据不平衡问题的多种方法，同时使用逻辑回归算法处理 了多种实际问题。 （7）项目7　基于决策树算法的应用实践。此项目介绍了决策树的基本原理，并 详细描述了实现决策树的基本步骤。 （8）项目8　基于支持向量机算法的应用实践。此项目介绍了支持向量机的基本 原理，并详细介绍了如何使用支持向量机进行高维数据分类。 （9）项目9　基于神经网络算法实现曲线拟合。此项目介绍了人工神经网络的基 本原理，并介绍了实现人工神经网络的基本步骤，后采用人工神经网络实现各种分 类问题。 （10）项目10　基于AdaBoost 算法的应用实践。此项目介绍了AdaBoost 算法的 基本原理，并根据其基本原理实现具体算法，采用AdaBoost 算法实现了多种实际的 应用。 以上10 个项目内容的基本框架大致分为项目导读、学习目标、知识导图、具体 任务、项目小结以及练习题。其中，具体任务的实施步骤都是循序渐进、环环相扣 的，并提供任务中涉及的源代码，以帮助读者牢固掌握机器学习的相关知识。 本书在编写过程中参考了有关资料和著作，在此向相关作者表示感谢。由于编者 水平有限，书中难免有错误，恳请广大读者提出宝贵意见。 编　者 2022 年２月 源代码

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式	台灣用户　|　香港/海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.