扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
机器学习系列GO语言机器学习实战 版权信息
- ISBN：9787111645894
- 条形码：9787111645894 ; 978-7-111-64589-4
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>
机器学习系列GO语言机器学习实战 本书特色
《GO语言机器学习实战》主要介绍了如何在Go语言中部署程序从而实现机器学 习算法。主要内容包括:利用Go语言中的库和功能来配置机器学习环境，对实际生活中的房价数据集进行 回归分析，在Go语言中构建分类模型来区分垃圾电子邮件，通过聚类整理个人推特账户的时间线。此外， 本书还介绍了用神经网络和卷积神经网络进行手写体识别，以及以人脸检测项目为例，介绍了如何选择适 合于具体项目的机器学习算法。
机器学习系列GO语言机器学习实战 内容简介
《GO语言机器学习实战》主要介绍了如何在Go语言中部署程序从而实现机器学 习算法。主要内容包括:利用Go语言中的库和功能来配置机器学习环境，对实际生活中的房价数据集进行 回归分析，在Go语言中构建分类模型来区分垃圾电子邮件，通过聚类整理个人推特账户的时间线。此外， 本书还介绍了用神经网络和卷积神经网络进行手写体识别，以及以人脸检测项目为例，介绍了如何选择适 合于具体项目的机器学习算法。
机器学习系列GO语言机器学习实战 目录
目 录
译者序
原书前言
第1章 如何解决机器学习中的所有问题 // 1
1.1 什么是一个问题 // 1
1.2 什么是一个算法 // 2
1.3 什么是机器学习 // 3
1.4 是否需要机器学习 // 3
1.5 一般问题解决过程 // 4
1.6 什么是一个模型 // 5
1.6.1 什么是一个好的模型 // 6
1.7 本书主要内容与章节安排 // 6
1.8 为什么选择Go语言 // 7
1.9 快速启动 // 7
1.10 函数 // 7
1.11 变量 // 8
1.11.1 值 // 9
1.11.2 类型 // 9
1.11.3 方法 // 11
1.11.4 接口 // 11
1.11.5 包和导入 // 12
1.12 开始 // 13
第2章 线性回归———房价预测 // 14
2.1 项目背景 // 15
2.2 探索性数据分析 // 15
2.2.1 数据摄取和索引 // 16
2.2.2 数据清洗工作 // 18
2.2.3 进一步的探索性工作 // 25
2.2.4 标准化 // 33
2.3 线性回归 // 34
2.3.1 回归 // 35
2.3.2 交叉验证 // 37
2.4 讨论和下一步的工作 // 39
2.5 小结 // 40
第3章 分类———垃圾邮件检测 // 41
3.1 项目背景 // 41
3.2 探索性数据分析 // 42
3.2.1 数据标记 // 42
3.2.2 规范化和词干提取 // 45
3.2.3 停用词 // 45
3.2.4 数据摄取 // 46
3.3 分类器 // 47
3.4 朴素贝叶斯 // 48
3.4.1 TF-IDF // 48
3.4.2 条件概率 // 49
3.4.3 特征 // 51
3.4.4 贝叶斯定理 // 51
3.5 分类器实现 // 52
3.5.1 类 // 53
3.5.2 分类器第Ⅱ部分 // 54
3.6 程序整合 // 58
3.7 小结 // 61
第4章 利用时间序列分析分解二氧化碳趋势 // 62
4.1 探索性数据分析 // 62
4.1.1 从非HTTP数据源下载 // 63
4.1.2 处理非标准数据 // 63
4.1.3 处理小数型日期 // 64
4.1.4 绘图 // 65
4.2 分解 // 68
4.2.1 STL // 69
4.2.2 更多绘制内容 // 81
4.3 预测 // 86
4.4 小结 // 89
参考文献 // 89
第5章 通过聚类整理个人推特账户的时间线 // 90
5.1 项目背景 // 90
5.2 K均值 // 90
5.3 DBSCAN // 92
5.4 数据采集 // 92
5.5 探索性数据分析 // 92
5.6 数据信息 // 96
5.6.1 处理器 // 97
5.6.2 单字预处理 // 99
5.6.3 单条推特处理 // 103
5.7 聚类 // 103
5.7.1 K均值聚类 // 104
5.7.2 DBSCAN聚类 // 105
5.7.3 DMMClust聚类 // 107
5.8 实际数据 // 108
5.9 程序 // 111
5.10 程序调整 // 113
5.10.1 距离调整 // 114
5.10.2 预处理步骤调整 // 115
5.11 小结 // 117
第6章 神经网络———MNIST手写体识别 // 118
6.1 神经网络 // 118
6.1.1 模拟神经网络 // 119
6.2 线性代数101 // 121
6.2.1 激活函数探讨 // 123
6.3 学习功能 // 125
6.4 项目背景 // 126
6.4.1 Gorgonia // 126
6.4.2 数据获取 // 126
6.4.3 什么是张量 // 129
6.4.4 构建神经网络 // 138
6.4.5 前馈 // 139
6.4.6 利用maybe类型进行错误处理 // 140
6.4.7 前馈函数说明 // 142
6.4.8 成本 // 143
6.4.9 反向传播 // 143
6.5 神经网络训练 // 146
6.6 交叉验证 // 148
6.7 小结 // 150
第7章 卷积神经网络———MNIST手写体识别 // 151
7.1 有关神经元的一切认识都是错误的 // 151
7.2 回顾神经网络 // 151
7.2.1 Gorgonia // 152
7.2.2 构建一个神经网络 // 161
7.3 项目 // 164
7.3.1 数据获取 // 164
7.3.2 上一章的其他内容 // 166
7.4 CNN简介 // 168
7.4.1 什么是卷积 // 168
7.4.2 *大池化 // 176
7.4.3 退出 // 176
7.5 构建一个CNN // 176
7.5.1 反向传播 // 180
7.6 运行神经网络 // 182
7.7 测试 // 186
7.7.1 准确率 // 188
7.8 小结 // 189
第8章 基本人脸检测 // 190
8.1 什么是人脸 // 190
8.1.1 Viola-Jones // 191
8.2 PICO // 194
8.2.1 关于学习的注意事项 // 194
8.3 GoCV // 195
8.3.1 API // 195
8.4 PIGO // 195
8.5 人脸检测程序 // 196
8.5.1 从网络摄像头获取图像 // 196
8.5.2 图像显示 // 197
8.5.3 在图像上涂鸦 // 198
8.5.4 人脸检测1 // 198
8.5.5 人脸检测2 // 200
8.5.6 算法结合 // 205
8.6 算法评估 // 206
8.7 小结 // 208
第9章 热狗或者不是热狗———使用外部服务 // 209
9.1 MachineBox // 209
9.2 什么是MachineBox // 210
9.2.1 登录和注册 // 210
9.2.2 Docker安装与设置 // 211
9.2.3 在Go语言中使用 MachineBox // 211
9.3 项目 // 212
译者序
原书前言
第1章 如何解决机器学习中的所有问题 // 1
1.1 什么是一个问题 // 1
1.2 什么是一个算法 // 2
1.3 什么是机器学习 // 3
1.4 是否需要机器学习 // 3
1.5 一般问题解决过程 // 4
1.6 什么是一个模型 // 5
1.6.1 什么是一个好的模型 // 6
1.7 本书主要内容与章节安排 // 6
1.8 为什么选择Go语言 // 7
1.9 快速启动 // 7
1.10 函数 // 7
1.11 变量 // 8
1.11.1 值 // 9
1.11.2 类型 // 9
1.11.3 方法 // 11
1.11.4 接口 // 11
1.11.5 包和导入 // 12
1.12 开始 // 13
第2章 线性回归———房价预测 // 14
2.1 项目背景 // 15
2.2 探索性数据分析 // 15
2.2.1 数据摄取和索引 // 16
2.2.2 数据清洗工作 // 18
2.2.3 进一步的探索性工作 // 25
2.2.4 标准化 // 33
2.3 线性回归 // 34
2.3.1 回归 // 35
2.3.2 交叉验证 // 37
2.4 讨论和下一步的工作 // 39
2.5 小结 // 40
第3章 分类———垃圾邮件检测 // 41
3.1 项目背景 // 41
3.2 探索性数据分析 // 42
3.2.1 数据标记 // 42
3.2.2 规范化和词干提取 // 45
3.2.3 停用词 // 45
3.2.4 数据摄取 // 46
3.3 分类器 // 47
3.4 朴素贝叶斯 // 48
3.4.1 TF-IDF // 48
3.4.2 条件概率 // 49
3.4.3 特征 // 51
3.4.4 贝叶斯定理 // 51
3.5 分类器实现 // 52
3.5.1 类 // 53
3.5.2 分类器第Ⅱ部分 // 54
3.6 程序整合 // 58
3.7 小结 // 61
第4章 利用时间序列分析分解二氧化碳趋势 // 62
4.1 探索性数据分析 // 62
4.1.1 从非HTTP数据源下载 // 63
4.1.2 处理非标准数据 // 63
4.1.3 处理小数型日期 // 64
4.1.4 绘图 // 65
4.2 分解 // 68
4.2.1 STL // 69
4.2.2 更多绘制内容 // 81
4.3 预测 // 86
4.4 小结 // 89
参考文献 // 89
第5章 通过聚类整理个人推特账户的时间线 // 90
5.1 项目背景 // 90
5.2 K均值 // 90
5.3 DBSCAN // 92
5.4 数据采集 // 92
5.5 探索性数据分析 // 92
5.6 数据信息 // 96
5.6.1 处理器 // 97
5.6.2 单字预处理 // 99
5.6.3 单条推特处理 // 103
5.7 聚类 // 103
5.7.1 K均值聚类 // 104
5.7.2 DBSCAN聚类 // 105
5.7.3 DMMClust聚类 // 107
5.8 实际数据 // 108
5.9 程序 // 111
5.10 程序调整 // 113
5.10.1 距离调整 // 114
5.10.2 预处理步骤调整 // 115
5.11 小结 // 117
第6章 神经网络———MNIST手写体识别 // 118
6.1 神经网络 // 118
6.1.1 模拟神经网络 // 119
6.2 线性代数101 // 121
6.2.1 激活函数探讨 // 123
6.3 学习功能 // 125
6.4 项目背景 // 126
6.4.1 Gorgonia // 126
6.4.2 数据获取 // 126
6.4.3 什么是张量 // 129
6.4.4 构建神经网络 // 138
6.4.5 前馈 // 139
6.4.6 利用maybe类型进行错误处理 // 140
6.4.7 前馈函数说明 // 142
6.4.8 成本 // 143
6.4.9 反向传播 // 143
6.5 神经网络训练 // 146
6.6 交叉验证 // 148
6.7 小结 // 150
第7章 卷积神经网络———MNIST手写体识别 // 151
7.1 有关神经元的一切认识都是错误的 // 151
7.2 回顾神经网络 // 151
7.2.1 Gorgonia // 152
7.2.2 构建一个神经网络 // 161
7.3 项目 // 164
7.3.1 数据获取 // 164
7.3.2 上一章的其他内容 // 166
7.4 CNN简介 // 168
7.4.1 什么是卷积 // 168
7.4.2 *大池化 // 176
7.4.3 退出 // 176
7.5 构建一个CNN // 176
7.5.1 反向传播 // 180
7.6 运行神经网络 // 182
7.7 测试 // 186
7.7.1 准确率 // 188
7.8 小结 // 189
第8章 基本人脸检测 // 190
8.1 什么是人脸 // 190
8.1.1 Viola-Jones // 191
8.2 PICO // 194
8.2.1 关于学习的注意事项 // 194
8.3 GoCV // 195
8.3.1 API // 195
8.4 PIGO // 195
8.5 人脸检测程序 // 196
8.5.1 从网络摄像头获取图像 // 196
8.5.2 图像显示 // 197
8.5.3 在图像上涂鸦 // 198
8.5.4 人脸检测1 // 198
8.5.5 人脸检测2 // 200
8.5.6 算法结合 // 205
8.6 算法评估 // 206
8.7 小结 // 208
第9章 热狗或者不是热狗———使用外部服务 // 209
9.1 MachineBox // 209
9.2 什么是MachineBox // 210
9.2.1 登录和注册 // 210
9.2.2 Docker安装与设置 // 211
9.2.3 在Go语言中使用 MachineBox // 211
9.3 项目 // 212
展开全部
书友推荐
- >
苦雨斋序跋文-周作人自编集
苦雨斋序跋文-周作人自编集
¥6.9¥16.0 - >
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
¥6.3¥14.0 - >
罗曼·罗兰读书随笔-精装
罗曼·罗兰读书随笔-精装
¥20.3¥58.0 - >
经典常谈
经典常谈
¥12.7¥39.8 - >
人文阅读与收藏·良友文学丛书:一天的工作
人文阅读与收藏·良友文学丛书:一天的工作
¥14.7¥45.8 - >
我从未如此眷恋人间
我从未如此眷恋人间
¥32.4¥49.8 - >
巴金－再思录
巴金－再思录
¥14.7¥46.0 - >
推拿
推拿
¥12.2¥32.0
本类畅销
-
C专家编程
¥41¥69 -
UG NX 11.0工程图教程-(含1DVD)
¥30.4¥59.9 -
网络爬虫进化论——从Excel爬虫到Python爬虫
¥55.5¥79 -
Python 数据分析基础
¥41¥69 -
Python 3.5从零开始学
¥26.4¥59 -
湖北交通文化
¥21.8¥46
