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:

  • 机器学习原理及应用 吕云翔 王渌汀 袁琪 等编著 著 大中专 文轩网
  • 新华书店正版
    • 作者: 吕云翔 王渌汀 袁琪 等编著著
    • 出版社: 机械工业出版社
    • 出版时间:2021-08-01 00:00:00
    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:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 吕云翔 王渌汀 袁琪 等编著著
    • 出版社:机械工业出版社
    • 出版时间:2021-08-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2021-08-01
    • 字数:339000
    • 页数:212
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111682943
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    机器学习原理及应用

    作  者:吕云翔 王渌汀 袁琪 等编著 著
    定  价:59
    出 版 社:机械工业出版社
    出版日期:2021年08月01日
    页  数:212
    装  帧:平装
    ISBN:9787111682943
    主编推荐

    以机器学习及其算法为主题,详细介绍了算法中涉及的数学理论。注重机器学习的实际应用,在理论介绍中穿插项目实例,帮助读者掌握机器学习研究的方法。8个综合项目案例,帮助读者理解和应用前面各章所学理论。

    内容简介

    本书以机器学习及其算法为主题,详细介绍其理论细节与应用方法。全书共19章,分别介绍了机器学习概述、线性回归与优选熵模型、k-近邻算法、决策树模型、朴素贝叶斯分类器、支持向量机模型、集成学习、EM算法、降维算法、聚类算法、神经网络模型等基础模型或算法,以及8个综合项目实例。本书重视理论与实践相结合,希望为读者提供全面而细致的学习指导。 本书可作为高等院校计算机科学与技术、软件工程等相关专业的教材,也适合机器学习初学者、相关行业从业人员阅读。

    作者简介

    精彩内容

    目录
    前言
    章 机器学习概述
    1.1 机器学习的组成
    1.2 分类问题和回归问题
    1.3 监督学习、半监督学习和无监督学习
    1.4 生成模型和判别模型
    1.5 模型评估
    1.5.1 训练误差和泛化误差
    1.5.2 过拟合和欠拟合
    1.6 正则化
    1.7 Scikit-learn模块
    1.7.1 数据集
    1.7.2 模型选择
    1.8 习题
    第2章 线性回归及优选熵模型
    2.1 线性回归
    2.1.1 一元线性回归
    2.1.2 多元线性回归
    2.2 广义线性回归
    2.2.1 逻辑回归
    2.2.2 多分类逻辑回归
    2.2.3 交叉熵损失函数
    2.3 .大熵模型
    2.3.1 大熵模型的导出
    2.3.2 大熵模型与逻辑回归之间的关系
    2.4 评价指标
    2.4.1 混淆矩阵
    2.4.2 准确率
    2.4.3 确率与召回率
    2.4.4 PR曲线
    2.4.5 ROC曲线与AUC曲线
    2.5 实例:基于逻辑回归实现乳腺癌预测
    2.6 习题
    第3章 k-近邻算法
    3.1 k值的选取
    3.2 距离的度量
    3.3 快速检索
    3.4 实例:基于k-近邻实现鸢尾花分类
    3.5 习题
    第4章 决策树模型
    4.1 特征选择
    4.1.1 信息增益
    4.1.2 信息增益比
    4.2 决策树生成算法CART
    4.3 决策树剪枝
    4.3.1 预剪枝
    4.3.2 后剪枝
    4.4 实例:基于决策树实现葡萄酒分类
    4.5 习题
    第5章 朴素贝叶斯分类器
    5.1 极大似然估计
    5.2 朴素贝叶斯分类
    5.3 拉普拉斯平滑
    5.4 朴素贝叶斯分类器的极大似然估计解释
    5.5 实例:基于朴素贝叶斯实现垃圾短信分类
    ……
    第6章 支持向量机模型
    第7章 集成学习
    第8章 EM算法及其应用
    第9章 降维算法
    0章 聚类算法
    1章 神经网络与深度学习
    2章 案例1:基于回雪问题、XGBoost的房价预测
    3章 案例2:影评数据分析与电影推荐
    4章 案例3:汽车贷款违约的数据分析
    5章 案例4:基于KNN模型预测葡萄酒种类的数据分析与可视化
    6章 案例5:使用Keras进行人脸关键点检测
    7章 案例6:股份预测
    8章 案例7:用户流失预警
    9章 案例8:机器人最优路径走迷宫
    参考文献

    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