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Python版 (美)马克·E.芬纳 著 江红,余青松,余靖 译 专业科技 文轩网
  • 新华书店正版
    • 作者: [美]马克·E. 芬纳(Mark E. Fenner)著
    • 出版社: 机械工业出版社
    • 出版时间:2022-07-01 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: [美]马克·E. 芬纳(Mark E. Fenner)著
    • 出版社:机械工业出版社
    • 出版时间:2022-07-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2022-07-01
    • 字数:696
    • 页数:500
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111706007
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    机器学习Python版

    作  者:(美)马克·E.芬纳 著 江红,余青松,余靖 译
    定  价:149
    出 版 社:机械工业出版社
    出版日期:2022年07月01日
    页  数:500
    装  帧:平装
    ISBN:9787111706007
    主编推荐

    内容简介

    本书面向初学者,使用Python语言以及流行的scikit-learn机器学习库等资源,通过易于实践的项目,帮助读者掌握开发有效的机器学习系统所需的流程、模式和策略。 与包含大量数学公式的书籍不同,本书主要通过故事、图片和代码示例来讲解机器学习的概念和技术,尽量减轻读者在数学方面的负担,但要求读者具备一定的编程基础。书中逐步引导读者完成构建、训练和评估学习系统的每一步,在此过程中,根据需要不断填充机器学习系统的各个组成部分,拓展机器学习工具箱,并尝试探索复杂的新技术。 本书主要内容: 理解机器学习的算法、模型和核心概念。 构建分类器和回归器。 评估机器学习系统的性能。 利用特征工程将原始的粗糙数据平滑成有用的格式。 将多个组件连接到一个系统中,并调整其性能。 将机器学习技术应用于图像处理和文本处理。 将核心概念与神经网null

    作者简介

    马克·E.芬纳(Mark E. Fenner)博士从1999年开始,一直从事成人计算机和数学的教学工作,教授过的学员有大学一年级的新生,也有头发斑白的行业资深人士。在从事教学工作的同时,芬纳博士还从事机器学习、生物信息学和计算机安全方面的研究工作。芬纳博士参与的项目涉及机器学习和数值算法的设计、实现与性能调优,软件仓库的安全性分析,用户异常检测的机器学习系统,蛋白质功能的概率建模,以及生态数据和显微镜数据的分析与可视化等。芬纳博士对计算机、数学、历史和冒险运动有着深厚的兴趣。在写作、教学或者编码之余,他会骑着山地车在树林里自由地纵情驰骋,或者纵情驰骋后惬意地在游泳池边喝啤酒。芬纳博士的柔道级别为二段,同时也是一名通过认证的野外急救员。芬纳博士和他的妻子都是埃里格尼学院和匹兹堡大学的毕业生。芬纳博士拥有计算机科学博士学位。他和家人住在宾夕法尼亚州东北部,并在自己开办的公司Fenner Tranull

    精彩内容

    目录
    译者序
    推荐序
    前言
    作者简介
    第一部分 机器学习入门
    第1章 机器学习概论
    1.1 欢迎来到机器学习的世界
    1.2 范围、术语、预测和数据
    1.2.1 特征
    1.2.2 目标值和预测值
    1.3 让机器开始机器学习
    1.4 学习系统举例
    1.4.1 预测类别:分类器举例
    1.4.2 预测值:回归器举例
    1.5 评估机器学习系统
    1.5.1 准确率
    1.5.2 资源消耗
    1.6 创建机器学习系统的过程
    1.7 机器学习的假设和现实
    1.8 本章参考阅读资料
    1.8.1 本书内容
    1.8.2 章节注释
    第2章 相关技术背景
    2.1 编程环境配置
    2.2 数学语言的必要性
    2.3 用于解决机器学习问题的软件
    2.4 概率
    2.4.1 基本事件
    2.4.2 独立性
    2.4.3 条件概率
    2.4.4 概率分布
    2.5 线性组合、加权和以及点积
    2.5.1 加权平均
    2.5.2 平方和
    2.5.3 误差平方和
    2.6 几何视图:空间中的点
    2.6.1 直线
    2.6.2 直线拓展
    2.7 表示法和加1技巧
    2.8 渐入佳境:突破线性和非线性
    2.9 NumPy与“数学无所不在”
    ……
    第二部分 通用评估技术
    第三部分 更多方法和其他技术
    第四部分 高级主题
    附录 mlwpy.py程序清单

    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