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 新註冊 |　新用戶登記

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 / EMS，時效：出貨後2-3日

新書推薦： 《 万有引力书系：金马 巴拿马铁路悲歌 》 售價：NT$ 510.0 《 人文与社会译丛：休谟的人生智慧 》 售價：NT$ 354.0 《 高效时间管理：巧妙且明智地利用时间 》 售價：NT$ 302.0 《 完美咨询 原书第4版 》 售價：NT$ 390.0 《 亿万：围剿华尔街大白鲨（珍藏版） [美]茜拉·科尔哈特卡 》 售價：NT$ 359.0 《 水悖论（“同一颗星球”丛书） 》 售價：NT$ 354.0 《 空间微电子. 第二卷.空间用集成电路设计 》 售價：NT$ 1134.0 《 罪恶与梦想：第二次世界大战个人史 》 售價：NT$ 614.0

建議一齊購買： + NT$ 399 《 认知心理学（重排本） 》 + NT$ 290 《 园林树木学 》 + NT$ 1144 《 刑法学（第六版 上下册） 》 + NT$ 481 《 “十二五”普通高等教育本科国家级规划教材·教育心理学（第三版） 》 + NT$ 610 《 计量经济学导论：现代观点（第六版）（经济科学译丛） 》 + NT$ 374 《 粮油加工学 》 編輯推薦： 本书对机器学习的原理与Python程序实现进行了系统的介绍，每种算法都采用Sklearn程序实现和Matplotlib数据可视化。本书系统介绍了Python数据分析基础、关联规则与推荐算法、聚类算法及其应用、分类算法及其应用、回归与逻辑回归、人工神经网络、支持向量机等内容，还介绍了机器学习的热门应用领域推荐技术，并给出了华为机器学习平台上的实验。本书深入浅出、内容全面、案例丰富，配备微课视频，每章最后都有习题和参考文献，便于读者巩固学习。本书可作为高等院校相关专业机器学习或人工智能等课程的教材。也可供从事大数据分析、机器学习的人员作为参考书。 內容簡介： 本书对机器学习算法的基本原理和Python程序实现进行了系统的介绍，每种算法都采用Sklearn程序实现和Matplotlib数据可视化。本书共8章，内容包括Python语言基础、机器学习概述、关联规则与推荐算法、聚类、分类、回归与逻辑回归、人工神经网络和支持向量机。 本书可作为高等院校相关专业机器学习或人工智能概论等课程的教材，也可作为从事人工智能、机器学习研究和应用的人员的参考书。 目錄： 第1章Python语言基础1 1.1Python程序入门1 1.1.1一些简单的Python程序1 1.1.2序列数据结构4 1.1.3序列处理函数5 1.1.4函数和类6 1.2Python集成开发环境9 1.2.1Anaconda的使用10 1.2.2Spyder集成开发环境10 1.3NumPy库11 1.3.1Numpy数组11 1.3.2Numpy数组的形状操作12 1.3.3提取数组的行或列13 1.3.4Numpy矩阵14 1.4数据可视化——Matplotlib库15 1.4.1绘制曲线图15 1.4.2绘制散点图等其他图形22 1.5SciPy库26 习题29第2章机器学习概述31 2.1机器学习的概念和步骤31 2.1.1机器学习的一般过程31 2.1.2机器学习的定义34 2.1.3机器学习的过程举例34 2.1.4评估机器学习模型的效果37 2.2机器学习的预处理环节39 2.2.1数据获取39 2.2.2数据预处理40 2.2.3数据标准化41 2.2.4数据降维43 2.3机器学习的类型44 2.3.1按完成的任务分类44 2.3.2按学习的过程分类45 2.4机器学习的发展历史和应用领域46 2.4.1机器学习的发展历史46 2.4.2机器学习的应用领域49 2.5Scikitlearn机器学习库50 2.5.1样本及样本的划分51 2.5.2导入或创建数据集54 2.5.3数据预处理58 2.5.4数据的降维62 2.5.5调用机器学习模型64 习题65第3章关联规则与推荐算法67 3.1关联规则挖掘67 3.1.1基本概念67 3.1.2Apriori算法70 3.1.3Apriori算法的程序实现74 3.1.4FPGrowth算法75 3.2推荐系统及算法78 3.2.1协同过滤推荐算法79 3.2.2协同过滤推荐算法应用实例82 3.3电影节目推荐实例86 习题88第4章聚类90 4.1聚类的原理与实现90 4.1.1聚类的概念和类型90 4.1.2如何度量距离90 4.1.3聚类的基本步骤94 4.2层次聚类算法98 4.2.1算法原理和实例98 4.2.2算法的Sklearn实现100 4.3kmeans聚类算法104 4.3.1算法原理和实例105 4.3.2算法中k值的确定110 4.3.3算法的Sklearn实现111 4.4kmedoids聚类算法113 4.4.1算法原理和实例113 4.4.2算法的Sklearn实现118 4.5DBSCAN聚类算法119 4.5.1算法原理和实例119 4.5.2算法的Sklearn实现124 4.6OPTICS聚类算法126 4.6.1算法的原理126 4.6.2算法的Sklearn实现128 4.7GMM聚类算法129 4.7.1算法的原理129 4.7.2算法的Sklearn实现131 4.8利用聚类实现车牌识别133 习题136第5章分类137 5.1分类的原理和步骤概述137 5.1.1分类与聚类的区别137 5.1.2分类的步骤138 5.1.3分类模型预测结果的评估140 5.1.4Sklearn库的常用分类算法141 5.2k近邻分类算法142 5.2.1k近邻算法原理和实例142 5.2.2Sklearn中分类算法的编程步骤146 5.2.3k近邻分类的Sklearn实现148 5.2.4绘制分类边界图150 5.2.5确定最优的k值153 5.3朴素贝叶斯分类算法154 5.3.1算法原理与实例154 5.3.2算法的常见问题158 5.3.3算法的Sklearn实现160 5.4决策树分类算法162 5.4.1信息论基础163 5.4.2ID3算法167 5.4.3C4.5算法172 5.4.4CART算法176 5.4.5算法的Sklearn程序实现177 5.5随机森林分类算法180 5.5.1集成学习理论180 5.5.2随机森林分类的理论与实例182 5.5.3算法的Sklearn实现187 5.6利用运动手环数据预测身体姿态190 习题195第6章回归与逻辑回归198 6.1线性回归198 6.1.1相关与回归198 6.1.2线性回归分析199 6.1.3线性回归方程参数的求法201 6.1.4线性回归模型的Sklearn实现206 6.2逻辑回归211 6.2.1线性分类模型的原理211 6.2.2逻辑回归模型及实例213 6.3逻辑回归模型的Sklearn实现216 6.3.1Sklearn中的逻辑回归模型216 6.3.2利用逻辑回归模型预测是否录取学生218 6.4利用逻辑回归预测贷款违约行为222 习题226第7章人工神经网络228 7.1神经元与感知机228 7.1.1人工神经元与逻辑回归模型229 7.1.2感知机模型229 7.1.3感知机模型的Python实现231 7.1.4多层感知机模型233 7.2人工神经网络的核心要素235 7.2.1神经元的激活函数236 7.2.2损失函数237 7.2.3网络结构239 7.2.4反向传播240 7.3人工神经网络的Sklearn实现243 7.3.1Sklearn人工神经网络模块243 7.3.2人工神经网络预测二手房销售数据245 7.4深度学习与深度神经网络247 7.4.1深度学习的概念和原理247 7.4.2TensorFlow概述249 7.4.3卷积神经网络249 7.5基于神经网络的手写数字识别252 7.6基于深度学习的手写数字识别256 习题259第8章支持向量机260 8.1支持向量机的理论基础260 8.1.1支持向量的超平面260 8.1.2SVM间隔及损失函数262 8.1.3非线性SVM与核函数267 8.1.4支持向量机分类的步骤269 8.2支持向量机的Sklearn实现270 8.2.1绘制决策边界271 8.2.2绘制SVM的分类界面272 8.2.3SVM参数对性能的影响274 8.3利用支持向量机实现人脸识别280 习题283附录机器学习模型和算法的关系总结285参考文献287 內容試閱： 随着人工智能产业的兴起，机器学习方法在各行各业中的应用迅速普及。当前，新一轮科技革命和产业变革正在萌发，大数据的形成、理论算法的革新、计算能力的提升及网络设施的演进驱动人工智能发展进入新阶段，智能化成为技术和产业发展的重要方向。人工智能具有显著的溢出效应，将进一步带动其他技术进步，推动战略性新兴产业总体突破。因此，研究和学习机器学习技术正当其时、恰逢其势，是大有作为的。 目前市面上有很多机器学习及其编程的图书。这些图书根据侧重点不同大致可分为两类： 一类以讲解机器学习的算法理论为主，而对机器学习的编程实现讲述得少。由于机器学习的模型复杂，如果不讲述编程实现，读者往往觉得要将理论用于解决实际问题还是有一段距离，无从下手；另一类以讲解机器学习的编程为主，读者如果没有学过机器学习的理论，将很难理解程序的编程思想及各种参数的含义，导致无法独立编写程序，无法解决实际问题。 为了解决以上问题，并使机器学习更加通俗易懂，本书将机器学习的算法原理与编程实现融合在一起阐述。 需要提醒读者的是，机器学习是一门难度很大的学科，其难点大致有以下4方面。 （1） 机器学习中大部分算法复杂难懂，因为这些算法对于初学者来说往往是方法新颖，概念抽象。有些大型机器学习模型（如人工神经网络）的学习过程是烦琐机械的，无法将整个过程的细节都一步步写出来。故学术界认为，随着模型越来越复杂，机器学习模型的可解释性（interpretability）越来越差。例如，现在很多的深度神经网络没有办法从人类的角度来完全理解模型，这些模型需要读者从黑盒的层面理解。 （2） 在各种机器学习模型中，有一些通用的最优化算法和参数估计算法，其中最典型的算法包括最小二乘法、梯度下降法、极大似然估计法、EM算法、反向传播算法、拉格朗日乘数法。这些算法涉及许多数学知识。读者一定要先掌握这些通用算法，才能较好地理解各种机器学习模型。由于这些算法很重要，因此本书在附录中对这些算法之间的关联性进行了总结。 （3） 用机器学习方法解决某个实际应用的过程是烦琐枯燥的，如收集大量数据、特征提取、数据标准化、数据降维这些数据预处理的工作都是很耗时的过程，初学者如果对机器学习的过程理解得不透彻，或者惧怕过程的烦琐，就无法坚持完成。 （4） 选择模型、训练模型、评估模型由于要考虑实际问题中的各种因素以及调整参数、避免欠拟合和过拟合，导致过程也是相当复杂的。如果初学者对其中的理论和方法掌握不全面，就很容易导致得到的机器学习模型性能太差、无法使用的问题。 在编写本书时，笔者尽力回忆自己的学习过程，着重解决在学习机器学习过程中容易“掉坑”的地方。本书的特色是： 首先以面向初学者的视角详细叙述某种算法的原理，且以例题讲解为主。然后介绍使用Sklearn编写机器学习程序。Sklearn库是一种高度封装好的机器学习算法库，具有简单易学的特点，通过学习Sklearn能够很好地加深对机器学习概念和模型的理解。掌握Sklearn库是进一步学习TensorFlow深度学习算法库的基础。最后在每章最后一节安排一个综合案例，通过该案例读者可了解算法具体实现时是如何处理各种细节问题的。为了提高读者的学习兴趣，本书对所有Sklearn程序均使用Matplotlib库实现数据分析的可视化，这是具有实用价值的。 学习机器学习的目的是使用这种技术来解决实际问题，因此一定要能将机器学习的算法运用到实际案例中。虽然目前人们开发出了一些机器学习算法库，这使得人们可以不知道算法的具体细节，也能编写机器学习程序。但如果要用这些算法解决实际问题，不知道算法细节是很难编写出有实用价值的程序的。 作为教材，本书注重教材立体化建设。本书每章后都提供了具有丰富题型的大量习题，并在习题部分安排了能作为实验内容的实验题。本书提供配套资料（微课视频、PPT课件、习题答案、教学大纲和实验指导），可在本书配套网站上下载，网址为： https://mooc1.chaoxing.com/course/222572414.html，也可在清华大学出版社网站下载。 本书由唐四薪编著，参加编写工作的还有唐琼、李浪、唐金娟、谢海波、唐佐芝、舒清健等。 本书是湖南省普通高等学校教学改革研究项目（HNJG20200687）“应用型本科院校程序设计类课程体系的重构与教学改革研究”的研究成果。 本书在编写过程中参考了大量专家学者和机器学习爱好者的图书资料，作者已尽可能地在参考文献中列出，谨在此表示感谢，若有疏漏，也在此表示歉意。由于作者水平和教学经验有限，书中错误和把握不当之处在所难免，敬请广大读者和同行批评指正。 编者2022年3月

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	香港用户　 |　台灣用户　|　海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.