包邮机器学习应用与实战(全彩)

作者：韩少云等

出版社：电子工业出版社出版时间：2023-03-01

开本：其他页数： 320

本类榜单：计算机/网络销量榜

中图价:¥60.9(5.6折) 定价 ~~¥109.0~~ 登录后可看到会员价

加入购物车收藏

开年大促， 全场包邮

?新疆、西藏除外

本类五星书更多>

>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用

全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用

¥14.4¥45
>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥44.1¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥56.2¥69
>
第一行代码Android

第一行代码Android

¥55.4¥99
>
JAVA持续交付

JAVA持续交付

¥58.1¥119
>
EXCEL最强教科书(完全版)(全彩印刷)

EXCEL最强教科书(完全版)(全彩印刷)

¥31.1¥69.9
>
深度学习

深度学习

¥92.4¥168

商品详情
商品评论(0条)

中图价:¥60.9 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

机器学习应用与实战(全彩) 版权信息

ISBN：9787121447891
条形码：9787121447891 ; 978-7-121-44789-1
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机理论

机器学习应用与实战(全彩) 本书特色

创新性的人工智能学习体系，让学习更加高效；实操实练+配书赠送一流讲师讲解的丰富视频课程(800分钟+)，让你更快掌握职业技能；全彩印刷320页市面上讲解人工智能的书比较多，但要么是偏重理论的讲解，要么是非常深涩的代码，对于计算机基础较差的学员来说，学习成本很高或者学了无益，付出了大量时间，但达不到岗位要求。“人工智能应用与实践系列”图书开创性地使用了新的教学方法，通过大量由浅入深、环环相扣的实践案例，能够帮助学员迅速理解人工智能的应用，快速掌握工作技能。此外本书还配有超值的800分钟以上的视频课程，帮助基础稍弱或者0基础的学员迅速提升。

机器学习应用与实战(全彩) 内容简介

本书系统介绍了机器学习常用算法及其应用，在深入分析算法原理的基础上，结合当前热门应用场景，向读者展现了机器学习算法的综合应用，带领读者进入机器学习领域，开启人工智能行业的大门。全书共 21 章，分为 3 部分。第 1 部分介绍机器学习基础算法，包括线性回归、多项式回归、逻辑回归、k-NN、决策树、k-Means、SVM、随机森林、朴素贝叶斯、PCA 降维等，针对每个算法给出应用案例，让读者既掌握算法原理，又能够使用算法解决问题。第 2 部分是机器学习基础算法综合应用，通过学生分数预测、自闭症患者预测、淘宝用户价值分析、耳机评论情感预测几个案例提升读者对机器学习算法的应用能力。第 3 部分是机器学习进阶算法与应用，介绍逻辑更为复杂的机器学习算法，如改进的聚类算法、HMM算法、Boosting 算法等，并给出相应案例，此外，还展示了多个算法综合应用项目。本书适合对机器学习、人工智能感兴趣的读者阅读，也可以作为应用型大学和高等职业院校人工智能相关专业的教材。本书可以帮助有一定基础的读者查漏补缺，使其深入理解和掌握相关原理与方法，提高其解决实际问题的能力。

机器学习应用与实战(全彩) 目录

目录第 1 部分机器学习基础算法第 1 章基于线性回归的销售量预测 2 1.1 机器学习概述 2 1.2 线性回归 4 1.2.1 回归的概念 4 1.2.2 线性回归模型 4 1.3 梯度下降算法 7 1.4 线性回归模型的构建 8 1.4.1 线性回归模型构建的一般步骤 8 1.4.2 线性回归模型的评估方法与度量指标 9 1.5 案例实现――基于线性回归的销售量预测 9 本章总结 13 作业与练习 14 第 2 章非线性数据的多项式回归 15 2.1 多项式回归 16 2.1.1 多项式回归的概念 16 2.1.2 0-1 标准化 16 2.1.3 Z-Score 标准化 18 2.1.4 特征拓展 19 2.2 模型训练问题与解决方法 22 2.2.1 欠拟合与过拟合 22 2.2.2 正则化方法 23 2.3 案例实现――非线性数据的多项式回归 24 本章总结 31 作业与练习 31 第 3 章基于逻辑回归算法的乳腺癌患病预测 33 3.1 逻辑回归算法 33 3.1.1 逻辑回归算法概述 33 3.1.2 概率估算 34 3.1.3 损失函数 35 3.2 分类数据的预处理 36 3.2.1 欠采样与过采样 36 3.2.2 数据的标签化 37 3.2.3 数据的独热编码 38 3.3 模型的性能评估 40 3.3.1 数值型模型评估方法 40 3.3.2 几何型模型评估方法 42 3.4 案例实现――基于逻辑回归算法的乳腺癌患病预测 44 本章总结 48 作业与练习 49 第 4 章基于 k-NN 算法的分类 50 4.1 k-NN 算法 51 4.1.1 k-NN 算法概述 51 4.1.2 样本距离的度量 51 4.1.3 k-NN 算法的工作原理 51 4.1.4 k-NN 算法的三个要素 53 4.2 k-NN 算法加速思路 54 4.3 案例实现 55 4.3.1 案例 1――基于 k-NN 算法的电影分类 55 4.3.2 案例 2――基于 k-NN 算法的鸢尾花数据集分类 58 本章总结 61 作业与练习 61 第 5 章基于决策树算法的回归预测与分类 62 5.1 决策树的介绍 62 5.2 决策树的构建 65 5.2.1 特征选择 65 5.2.2 决策树的构建过程 67 5.2.3 决策树剪枝 69 ……

展开全部