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:

  • 正版 利用Python实现概率、统计及机器学习方法 [美]何塞·安平科(
  • 新华书店旗下自营,正版全新
    • 作者: [美]何塞·安平科(José Unpingco) 著著 | [美]何塞·安平科(José Unpingco) 著编 | [美]何塞·安平科(José Unpingco) 著译 | [美]何塞·安平科(José Unpingco) 著绘
    • 出版社: 机械工业出版社
    • 出版时间:2022-11
    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:
    美阅书店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: [美]何塞·安平科(José Unpingco) 著著| [美]何塞·安平科(José Unpingco) 著编| [美]何塞·安平科(José Unpingco) 著译| [美]何塞·安平科(José Unpingco) 著绘
    • 出版社:机械工业出版社
    • 出版时间:2022-11
    • 版次:1
    • 印次:1
    • 字数:416
    • 页数:304
    • 开本:16开
    • ISBN:9787111717737
    • 版权提供:机械工业出版社
    • 作者:[美]何塞·安平科(José Unpingco) 著
    • 著:[美]何塞·安平科(José Unpingco) 著
    • 装帧:平装
    • 印次:1
    • 定价:119.00
    • ISBN:9787111717737
    • 出版社:机械工业出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2022-11
    • 页数:304
    • 外部编号:12150779
    • 版次:1
    • 成品尺寸:暂无

    译者序 前言 第1版前言 符号说明 第1章科学Python入门1 11安装和设置2 12Numpy4 121Numpy数组和内存5 122Numpy矩阵8 123Numpy广播操作9 124Numpy掩码数组11 125浮点数11 126Numpy优化简介14 13Matplotlib15 131Matplotlib的替代方法16 132Matplotlib的扩展17 14IPython17 15Jupyter Notebook18 16Scipy20 17Pandas21 171Series21 172DataFrame23 18Sympy25 19编译库接口27 110集成开发环境28 111性能和并行编程快速指南28 112其他资源31 参考文献32 第2章概率33 21引言33 211概率密度34 212随机变量35 213连续随机变量39 214微积分以外的变量变换41 215独立随机变量42 216经典Broken Rod示例44 22投影法45 221加权距离47 23条件期望作为投影47 231附录51 24条件期望与均方误差52 25条件期望和均方误差优化 示例55 251示例155 252示例258 253示例360 254示例463 255示例564 256示例666 26有用的分布67 261正态分布67 262多项分布67 263卡方分布69 264泊松分布和指数分布71 265伽马分布72 266贝塔分布73 267狄利克雷多项分布74 X XI 27信息熵76 271信息论的概念76 272信息熵的性质78 273KullbackLeibler散度79 274交叉熵作为大似然80 28矩母函数80 29蒙特卡罗采样方法83 291离散变量逆CDF法83 292连续变量逆CDF法85 293舍选法86 210采样重要性重采样90 211实用的不等式92 2111马尔可夫不等式92 2112切比雪夫不等式93 2113霍夫丁不等式94 参考文献96 第3章统计97 31引言97 32用于统计的Python模块98 321Scipy统计模块98 322Sympy统计模块99 323其他用于统计的Python 模块99 33收敛类型100 331几乎必然收敛100 332依概率收敛102 333依分布收敛104 334极限定理104 34大似然估计105 341设置抛硬币试验107 342Delta方法115 35假设检验和p值117 351回到抛硬币的例子118 352ROC曲线120 353p值122 354检验统计量123 355多重假设检验129 356Fisher准确检验129 36置信区间131 37线性回归134 371扩展至多个协变量141 38大后验概率145 39鲁棒统计150 310自助法155 3101参数化自助法159 311高斯马尔可夫模型160 312非参数方法162 3121核密度估计162 3122核平滑164 3123非参数回归估计169 3124近邻回归169 3125核回归173 3126维数灾难174 3127非参数检验176 313生存分析181 参考文献187 第4章机器学习188 41引言188 42Python机器学习模块188 43学习理论192 431机器学习理论概述194 432泛化理论198 433泛化/近似复杂度示例199 434交叉验证204 435偏差和方差208 436学习噪声211 44决策树213 441随机森林219 442提升树220 45逻辑回归223 46广义线性模型231 47正则化236 471岭回归239 472套索回归243 48支持向量机244 49降维248 491独立成分分析252 410聚类256 411集成方法259 4111装袋法259 4112提升法261 412深度学习262 4121TensorFlow概述270 4122梯度下降275 4123基于卷积神经网络的图像 处理286 参考文献301

    本书针对Python 3.6+版本进行了全面更新,涵盖了在这些领域中使用Python组件演示的概率、统计和机器学习之间的链接的关键思想。所提供的Python代码、所有的图形和数值结果都是可重复的。作者通过使用多种分析方法和Python代码处理有意义的示例来开发机器学习中的关键直觉,从而将理论概念与具体实现联系起来。对某些重要结果也给出了详细的证明。

    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