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:

  • 集成学习入门与实战 原理、算法与应用 (印)阿洛克·库马尔,(印)马扬克·贾因 著 吴健鹏 编 专业科技 文轩网
  • 新华书店正版
    • 作者: (印)阿洛克·库马尔,(印)马扬克·贾因著
    • 出版社: 化学工业出版社
    • 出版时间:2022-02-01 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: (印)阿洛克·库马尔,(印)马扬克·贾因著
    • 出版社:化学工业出版社
    • 出版时间:2022-02-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2022-02-01
    • 字数:96000
    • 页数:136
    • 开本:32开
    • 装帧:平装
    • ISBN:9787122401670
    • 国别/地区:中国
    • 版权提供:化学工业出版社

    集成学习入门与实战 原理、算法与应用

    作  者:(印)阿洛克·库马尔,(印)马扬克·贾因 著 吴健鹏 编
    定  价:69.8
    出 版 社:化学工业出版社
    出版日期:2022年02月01日
    页  数:136
    装  帧:平装
    ISBN:9787122401670
    主编推荐

    内容简介

    《集成学习入门与实战:原理、算法与应用》通过6章内容全面地解读了集成学习的基础知识、集成学习技术、集成学习库和实践应用。其中集成学习技术包括采样、Bagging、投票集成、Boosting、AdaBoost、梯度提升、XGBoost、Stacking、随机森林、决策树等,从混合训练数据到混合模型,再到混合组合,逻辑严谨、逐步讲解;同时也对ML-集成学习、Dask、LightGBM、AdaNet等集成学习库相关技术进行了详细解读;最后通过相关实践对集成学习进行综合性应用。本书配有逻辑框图、关键代码及代码分析,使读者在阅读中能够及时掌握算法含义和对应代码。
    本书适合集成学习的初学者和机器学习方向的从业者和技术人员阅读学习,也适合开设机器学习等算法课程的高等院校师生使用。

    作者简介

    精彩内容

    目录
    第1章为什么需要集成学习001
    1.1混合训练数据003
    1.2混合模型004
    1.3混合组合008
    1.4本章小结009

    第2章混合训练数据011
    2.1决策树013
    2.2数据集采样018
    2.2.1不替换采样(WOR)018
    2.2.2替换采样(WR)019
    2.3Bagging(装袋算法)021
    2.3.1k重交叉验证024
    2.3.2分层的k重交叉验证026
    2.4本章小结028

    第3章混合模型029
    3.1投票集成030
    3.2硬投票031
    3.3均值法/软投票033
    3.4超参数调试集成036
    3.5水平投票集成038
    3.6快照集成044
    3.7本章小结046

    第4章混合组合047
    4.1Boosting(提升算法)048
    4.1.1AdaBoost(自适应提升算法)049
    4.1.2GradientBoosting(梯度提升算法)051
    4.1.3XGBoost(特别梯度提升算法)053
    4.2Stacking(堆叠算法)055
    4.3本章小结058

    第5章集成学习库059
    5.1ML-集成学习060
    5.1.1多层集成063
    5.1.2集成模型的选择064
    5.2通过Dask扩展XGBoost069
    5.2.1Dask数组与数据结构071
    5.2.2Dask-ML076
    5.2.3扩展XGBoost079
    5.2.4微软LightGBM082
    5.2.5AdaNet088
    5.3本章小结090

    第6章实践指南092
    6.1基于随机森林的特征选择093
    6.2基于集成树的特征转换096
    6.3构建随机森林分类器预处理程序103
    6.4孤立森林进行异常点检测110
    6.5使用Dask库进行集成学习处理114
    6.5.1预处理115
    6.5.2超参数搜索117
    6.6本章小结121

    致谢122

    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