超值优惠券
¥50
满100可用 有效期2天

全场图书通用（淘书团除外）

 
不再提示
关闭
20万图书5本折上7折！满69送钥匙扣
欢迎光临中图网 请 | 注册
搜索
搜索全部
  • 搜索全部
  • 书名
  • 作者
  • 出版社
  • ISBN
高级搜索
我身体里的人造星星乡间的日常情感勒索神秘的黑猫
  • 合成诗经
  • 新人领礼券
  • 新用户注册领10元
中图网
>
计算机/网络
>
计算机教材
Python快乐编程——机器学习从入门到实战
分享

Python快乐编程——机器学习从入门到实战

作者：千锋教育高教产品研发部
出版社：清华大学出版社出版时间：2021-08-01
开本： 其他 页数： 257
本类榜单：计算机/网络销量榜
中 图 价:¥47.2(7.9折) 定价  ¥59.8 登录后可看到会员价
加入购物车 收藏
运费6元，满39元免运费
?新疆、西藏除外
本类五星书更多>
中图价:¥47.2 加入购物车
洞明世事，从读书开始 淘书团

Python快乐编程——机器学习从入门到实战 版权信息

  • ISBN：9787302576969
  • 条形码：9787302576969 ; 978-7-302-57696-9
  • 装帧：一般胶版纸
  • 册数：暂无
  • 重量：暂无
  • 所属分类：
    计算机/网络
    >
    计算机教材

Python快乐编程——机器学习从入门到实战 本书特色

《Python快乐编程——机器学习从入门到实战》设计了11个实战项目，涵盖主流应用，读者可以边学边练、更快入门；配套资源丰富，包括500分钟教学视频、PPT课件、实战项目源码、教学大纲、习题答案、教学设计等。

Python快乐编程——机器学习从入门到实战 内容简介

本书采用理论与实战相结合的形式，通过生活中的例子来讲解理论知识，结合实际案例代码，帮助读者在掌握机器学习理论的同时，打下项目实践的基础，同时配有丰富的教学资源，帮助读者自学或开展教学工作。 本书共13章，涵盖机器学习入门所需的数学知识及相关算法，包括K近邻算法、决策树、朴素贝叶斯、逻辑回归与梯度下降、支持向量机、AdaBoost算法、线性回归、Kmeans算法、Apriori算法、FPgrowth算法、主成分分析和奇异值分解。本书将理论与实际操作相结合，通过丰富的程序实例和详尽的步骤讲解，与读者一起跳出枯燥的理论知识，快乐学习。 本书适合刚进入机器学习领域的读者，也可以作为大专院校相关专业的教材。

Python快乐编程——机器学习从入门到实战 目录







目录



第1章初识Python机器学习


1.1机器学习简介


1.1.1机器学习的起源及发展


1.1.2监督学习


1.1.3无监督学习


1.1.4半监督学习


1.1.5强化学习


1.1.6机器学习程序开发步骤


1.1.7机器学习发展现状


1.1.8机器学习的未来


1.2使用Python语言开发


1.3NumPy函数库基础


1.3.1NumPy函数库的安装


1.3.2NumPy函数库入门


1.4SciPy函数库基础


1.4.1SciPy函数库的安装


1.4.2SciPy函数库入门


1.5Matplotlib库


1.5.1Matplotlib库的安装


1.5.2Matplotlib库的使用


1.6集成开发环境Anaconda


1.7本章小结


1.8习题


第2章K近邻算法


2.1K近邻算法概述


2.1.1K近邻算法的基本思想


2.1.2K近邻的距离度量表示法


2.1.3K值的选择


2.2K近邻算法的实现： KD树


2.2.1KD树简介


2.2.2KD树的构建


2.2.3搜索KD树


2.3实战： 利用K近邻算法改进约会网站


2.4本章小结


2.5习题






第3章决策树


3.1决策树与信息熵


3.1.1决策树简介


3.1.2信息与自信息


3.1.3信息熵


3.1.4信息增益与划分数据集


3.2构建决策树


3.3可视化决策树


3.3.1注释结点


3.3.2构建完整的注解树


3.4基尼指数与CART算法


3.5决策树的剪枝


3.6本章小结


3.7习题


第4章朴素贝叶斯


4.1概率分布与贝叶斯决策论


4.2条件概率


4.3贝叶斯分类


4.4朴素贝叶斯分类


4.5实战： 利用朴素贝叶斯分类模型进行文档分类


4.5.1将单词表转换为向量


4.5.2概率计算


4.5.3通过朴素贝叶斯模型进行文件分类


4.6实战： 利用朴素贝叶斯分类模型过滤垃圾邮件


4.6.1切分文本


4.6.2通过朴素贝叶斯模型过滤垃圾邮件


4.7本章小结


4.8习题



第5章逻辑回归与梯度下降


5.1逻辑回归与Sigmoid函数


5.1.1逻辑回归简介


5.1.2Sigmoid函数简介


5.2梯度下降算法


5.2.1二维坐标系中的梯度下降算法


5.2.2三维坐标系中的梯度下降算法


5.3通过梯度下降算法找到*佳参数


5.4决策边界


5.5梯度下降算法的改进


5.5.1批量梯度下降算法


5.5.2随机梯度下降算法


5.6本章小结


5.7习题


第6章支持向量机


6.1支持向量机简介


6.2寻找*大间隔


6.3序列*小优化


6.3.1序列*小化算法简介


6.3.2通过序列*小优化算法处理小规模数据集


6.3.3通过完整的序列*小优化算法进行优化


6.4核函数及其应用


6.4.1高斯核函数


6.4.2高斯核函数的应用


6.5本章小结


6.6习题


第7章AdaBoost算法


7.1集成学习算法简介


7.2AdaBoost算法原理


7.3单层决策树与AdaBoost算法


7.4实战： 通过AdaBoost算法进行分类


7.5非均衡分类


7.5.1分类性能度量指标： 正确率、召回率


7.5.2分类性能度量指标： ROC曲线


7.5.3非均衡数据的采样方法


7.6本章小结


7.7习题


第8章线性回归


8.1线性回归原理


8.1.1简单的线性回归


8.1.2多元线性回归


8.2局部加权线性回归


8.3正则化的线性回归


8.3.1岭回归


8.3.2Lasso回归


8.4方差与偏差的平衡


8.5本章小结


8.6习题


第9章Kmeans算法


9.1无监督学习算法


9.2Kmeans算法简介


9.3构建简单的Kmeans模型


9.4K值的选择


9.4.1肘部法则


9.4.2轮廓系数


9.4.3间隔统计量


9.4.4Canopy算法


9.5二分Kmeans算法


9.6本章小结


9.7习题


第10章Apriori算法


10.1关联分析算法简介


10.2Apriori算法的工作原理


10.3实战： Python编程发现频繁项集


10.4实战： Python编程发现强关联规则


10.5本章小结


10.6习题


第11章FPgrowth算法


11.1FPgrowth算法简介


11.2构建FP树


11.2.1创建FP树的数据结构


11.2.2通过Python构建FP树


11.3通过FPgrowth算法提取频繁项集


11.3.1提取条件模式基


11.3.2创建条件FP树


11.4实战： 从超市购物清单中发掘信息


11.5本章小结


11.6习题


第12章主成分分析


12.1数据降维


12.2实战： 通过Python实现简单的主成分分析


12.3对Iris数据集降维


12.4本章小结


12.5习题


第13章奇异值分解


13.1特征值分解


13.2奇异值分解简介


13.3实战： 通过Python实现图片压缩


13.4基于协同过滤的推荐算法


13.4.1推荐算法概述


13.4.2协同推荐系统概述


13.4.3实战： 通过Python实现基于用户的协同推荐系统


13.4.4实战： 通过Python实现基于物品的协同推荐系统


13.4.5构建推荐引擎面临的挑战


13.5本章小结


13.6习题



展开全部

Python快乐编程——机器学习从入门到实战 作者简介

胡耀文，清华大学出版社技术编审委员会委员，2009年参与国庆60周年官兵电子纪念册项目，CSDN著名技术专家，博客浏览量超过1460350次，2014年--2016年连续三年获得微软全球MVP最有价值专家。

商品评论(0条)
写书评 赚书币
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
新手上路
新用户指引
注册用户 更改注册信息
购物常见问题
关于特价书的常见问题
购买问题
订单跟踪
付款方式
账户余额  申请提现
配送方式及费用、范围
集团购买
售后服务
退换货流程
投诉与建议
特色服务
会员等级与书币
中图网书馨卡
邀请好友购买返10元礼包
其他信息
本站简介
联系我们
招聘英才
网站联盟
友情链接
微信公众号
中图网微信
中图网微博
中图网微博
手机中图网
手机中图网
中图网
诚信认证 电子商务诚信单位认证

京ICP备09013606号-3京信市监发[2002]122号海淀公安分局备案编号：1101083394

营业执照出版物经营许可证 京出发京批字第直110071

在线客服