返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 机器学习技术与应用 杜辉,葛鹏,赵瑞丰 编 大学教材大中专 正版图书籍 中国铁道出版社有限公司
  • 新商品上架
    • 作者: 杜辉,葛鹏,赵瑞丰著
    • 出版社: 中国铁道出版社
    • 出版时间:2023-12
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    句字图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 杜辉,葛鹏,赵瑞丰著
    • 出版社:中国铁道出版社
    • 出版时间:2023-12
    • ISBN:9787113301507
    • 版权提供:中国铁道出版社

    机器学习技术与应用

    作  者:杜辉,葛鹏,赵瑞丰 编
    定  价:46
    出 版 社:中国铁道出版社有限公司
    出版日期:2023年12月01日
    页  数:228
    装  帧:平装
    ISBN:9787113301507
    绪论 机器学习概要
    0.1 引例——从挑橘子说起
    0.2 机器学习应用
    0.3 机器学习与人工智能的关系
    0.4 机器学习算法的分类
    0.5 sklearn库
    0.6 数据集
    0.6.1 数据集划分
    0.6.2 开源数据集
    0.6.3 sklearn库中数据划分方法
    0.7 总结
    项目1 运用线性回归算法实现趋势预测
    1.1 项目导入
    1.2 项目目标
    1.3 知识导入
    1.3.1 线性回归概念
    1.3.2 线性回归模型
    1.3.3 求解线性回归
    1.3.4 过拟合与欠拟合
    1.4 项目实施
    任务1-1 动手训练线性回归模型
    任务1-2 线性回归预测鲍鱼年龄
    任务1-3 线性回归预测牛肉价格
    任务1-4 线性回归预测收益
    任务1-5 线性回归预测乐高价格
    项目2 运用k-近邻算法实现分类预测
    2.1 项目导入
    2.2 项目目标
    2.3 知识导入
    2.3.1 k-近邻概念
    2.3.2 k-近邻分类算法
    2.3.3 交叉验证
    2.3.4 k-近邻回归
    2.4 项目实施
    任务2-1 k-近邻识别数字验证码
    任务2-2 k-近邻算法预测出行方式
    任务2-3 k-近邻预测草莓甜不甜
    任务2-4 k-近邻测你有多重
    项目3 运用逻辑回归算法实现概率预测
    3.1 项目导入
    3.2 项目目标
    3.3 知识导入
    3.3.1 逻辑回归概念
    3.3.2 二分类问题
    3.3.3 求解逻辑回归
    3.3.4 分类损失
    3.4 项目实施
    任务3-1 逻辑回归针对智能家居的数据预测
    任务3-2 逻辑回归预测升学概率
    任务3-3 逻辑回归预测红酒质量
    任务3-4 随机梯度下降
    任务3-5 逻辑回归预测用户是否按期还款
    项目4 运用决策树算法进行决策分析
    4.1 项目导入
    4.2 项目目标
    4.3 知识导入
    4.3.1 决策树概念
    4.3.2 相关重要概念
    4.3.3 决策树算法
    4.3.4 决策树剪枝
    4.4 项目实施
    任务4-1 决策树预测隐形眼镜类型
    任务4-2 决策树分析员工离职情况
    任务4-3 决策树带你做导购
    任务4-4 决策树预测泰坦尼克号生还概率
    任务4-5 决策树与随机森林效果对比
    项目5 运用聚类算法进行聚类分析
    5.1 项目导入
    5.2 项目目标
    5.3 知识导入
    5.3.1 聚类概念
    5.3.2 聚类相关应用
    5.3.3 k-means聚类
    5.3.4 DBSCAN算法
    5.4 项目实施
    任务5-1 小样本实现k-means聚类
    任务5-2 通过k-means聚类实现分类
    任务5-3 二分k-means应用
    任务5-4 对三星手机数据降维并聚类
    任务5-5 实例对比k-means和DBSCAN
    项目6 运用朴素贝叶斯算法实现文本分类
    6.1 项目导入
    6.2 项目目标
    6.3 知识导入
    6.3.1 贝叶斯公式
    6.3.2 朴素贝叶斯
    6.3.3 朴素贝叶斯应用场景
    6.4 项目实施
    任务6-1 云盘图片自动分类
    任务6-2 豆瓣影评情感分类
    任务6-3 新闻分类
    附录A
    A.1 特征工程
    A.2 特征预处理
    A.2.1 无量纲化
    A.2.2 特征离散化
    A.2.3 分类特征编码
    A.3 特征选择
    A.3.1 过滤式选择(Relief)
    A.3.2 包裹式选择(Wrapper)
    A.3.3 嵌入式选择(Embedded)
    A.4 特征降维
    A.4.1 PCA
    A.4.2 LDA
    参考文献

    内容简介

    本书的目标是降低机器学习技术的门槛,让读者在生动的应用场景中、详细的实训过程中逐渐吸收相关的理论知识。本书通过贴近生活的“挑橘子”一例引出机器学习的概念,并展开介绍了机器学习的完整流程、算法分类以及常用工具等。本书核心以项目式任务的组织方式,以通俗的情境作为项目导入,制定明确的项目目标,以算法的基本原理为知识导入,然后开始项目实施环节,以多个实训任务分别练习算法在解决实际的回归、分类或聚类问题时的一般流程,最后以习题的形式,来巩固知识和技能的掌握。本书的实训项目主要包含机器学习中常见的、基础的算法应用,即线性回归算法、K近邻算法、逻辑回归算法、决策树算法、聚类算法、朴素贝叶斯算法。

    1
    • 商品详情
    • 内容简介

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购