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:

  • 正版新书]机器学习从入门到精通陈怡然,廖宁,杨倩,谢东亮,王艳..
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 陈怡然,廖宁,杨倩,谢东亮,王艳... 著著 | 陈怡然,廖宁,杨倩,谢东亮,王艳... 著编 | 陈怡然,廖宁,杨倩,谢东亮,王艳... 著译 | 陈怡然,廖宁,杨倩,谢东亮,王艳... 著绘
    • 出版社: 西安电子科技大学出版社
    • 出版时间:2020-08-01
    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:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 陈怡然,廖宁,杨倩,谢东亮,王艳... 著著| 陈怡然,廖宁,杨倩,谢东亮,王艳... 著编| 陈怡然,廖宁,杨倩,谢东亮,王艳... 著译| 陈怡然,廖宁,杨倩,谢东亮,王艳... 著绘
    • 出版社:西安电子科技大学出版社
    • 出版时间:2020-08-01
    • 版次:1
    • 印次:1
    • 字数:427000
    • 页数:332
    • 开本:16开
    • ISBN:9787560656397
    • 版权提供:西安电子科技大学出版社
    • 作者:陈怡然,廖宁,杨倩,谢东亮,王艳... 著
    • 著:陈怡然,廖宁,杨倩,谢东亮,王艳... 著
    • 装帧:平装
    • 印次:1
    • 定价:45
    • ISBN:9787560656397
    • 出版社:西安电子科技大学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2020-08-01
    • 页数:332
    • 外部编号:小坞76519
    • 版次:1
    • 成品尺寸:暂无

    篇铸刀

    章初识机器学习

    本章导读

    知识要点

    1.1什么是机器学习

    1.2机器学习的工作流程

    1.2.1准备数据集

    1.2.2进行模型训练

    1.2.3模型评估

    1.3假设空间和归纳偏好

    1.3.1假设空间

    1.3.2归纳偏好

    1.4发展历程

    1.4.1决策树的命运变迁

    1.4.2神经网络的众多名称和命运变迁

    1.5应用现状

    新手问答

    本章小结

    第2章机器学习之刃TensorFlow

    本章导读

    知识要点

    2.1认识TensorFlow

    2.2TensorFlow的安装与工作原理

    2.2.1TensorFlow安装图解

    2.2.2TensorFlow的工作原理

    2.2.3什么是计算图

    2.2.4什么是会话

    2.2.5什么是张量

    2.3常量、变量和占位符

    2.3.1基本概念

    2.3.2基本运算

    2.4操作矩阵

    2.4.1矩阵的创建

    2.4.2矩阵的运算

    2.4.3矩阵的分解和特征值

    2.5使用激活函数

    2.5.1什么是激活函数

    2.5.2Sigmoid函数

    2.5.3Tanh函数

    2.5.4Relu函数

    2.5.5Softplus函数

    2.6读取数据源

    2.6.1通过Excel表导入数据集

    2.6.2通过CSV文件导入数据集

    2.6.3通过库中自带的数据集导入数据集

    2.6.4导入图片数据集

    2.6.5将数据集通过URL自动进行下载

    新手问答

    牛刀小试

    本章小结

    第3章数据分析基础

    本章导读

    知识要点

    3.1认识Numpy和Pandas

    3.2Numpy的基本使用

    3.2.1创建ndarray数组

    3.2.2运用ndarray数组

    3.3Pandas的基本使用

    3.3.1Series数据结构

    3.3.2DataFrame数据结构

    新手问答

    牛刀小试

    本章小结

    第4章模型的评价与评估

    本章导读

    知识要点

    4.1损失函数

    4.1.1最小二乘

    4.1.2梯度下降

    4.2经验误差与拟合

    4.3数据集划分

    4.3.1留出法

    4.3.2交叉验证法

    4.3.3自助法

    4.4调参与最终模型

    4.5模型性能度量

    4.5.1均方误差

    4.5.2错误率与精确度

    4.5.3准确度、灵敏度与F1

    4.5.4受试者工作特征与AUC

    4.5.5代价敏感错误率与代价曲线

    4.6比较检验

    4.6.1假设检验

    4.6.2麦克尼马尔变化显著性检验

    4.7偏差与方差

    4.8不同学习模型下的模型评价与评估

    4.8.1不同学习模型下的数据集划分

    4.8.2不同学习模型下的模型评价

    新手问答

    牛刀小试

    本章小结

    第5章数据准备

    本章导读

    知识要点

    5.1数据探索

    5.1.1数据质量分析

    5.1.2数据特征分析

    5.2数据预处理

    5.2.1数据清洗

    5.2.2数据集成

    5.2.3数据变换

    5.2.4数据规约

    新手问答

    牛刀小试

    本章小结

    第二篇招式

    第6章回归

    本章导读

    知识要点

    6.1回归分析算法的基础知识

    6.1.1回归与拟合

    6.1.2汽车油耗数据集准备

    6.1.3在Excel中添加回归趋势线预测

    6.2线性回归

    6.2.1线性回归的基本原理

    6.2.2线性回归模型实现之最小二乘法

    6.2.3线性回归模型实现之梯度下降法

    6.2.4线性回归模型在油耗预测中的应用

    6.3逻辑回归

    6.3.1逻辑回归的基本原理

    6.3.2逻辑回归与线性回归的区别

    6.3.3逻辑回归模型实现

    6.4戴明回归

    6.4.1戴明回归的基本原理

    6.4.2戴明回归的模型实现

    6.5回归模型的评估

    6.5.1平均误差

    6.5.2平均绝对误差

    6.5.3解释回归模型的方差

    6.5.4R2确定系数

    新手问答

    牛刀小试

    本章小结

    第7章分类

    本章导读

    知识要点

    7.1分类算法的基础知识

    7.1.1分类的基本思想

    7.1.2贷款违约风险评估数据准备

    7.2决策树分类器

    7.2.1决策树模型原理

    7.2.2信息增益

    7.2.3ID3决策树原理

    7.2.4ID3决策树模型的实现

    7.2.5决策树模型的可视化

    7.2.6CART决策树原理

    7.2.7CART决策树模型的实现

    7.3朴素贝叶斯分类器

    7.3.1预测贷款违约数据准备

    7.3.2条件概率与贝叶斯公式

    7.3.3极大似然估计

    7.3.4高斯贝叶斯模型的实现

    7.3.5多项式贝叶斯模型的实现

    7.3.6伯努利贝叶斯模型的实现

    7.4分类模型的评估

    7.4.1混淆矩阵

    7.4.2精确度与敏感度

    7.4.3分类报告

    新手问答

    牛刀小试

    本章小结

    第8章聚类

    本章导读

    知识要点

    8.1聚类分析的基础知识

    8.1.1聚类分析的基本思想

    8.1.2聚类分析的距离计算

    8.1.3基站商圈数据准备

    8.2K-means算法

    8.2.1K-means算法原理

    8.2.2K-means算法的应用

    8.3层次聚类

    8.3.1层次聚类的原理

    8.3.2层次聚类算法的应用

    8.4密度聚类

    8.4.1密度聚类原理

    8.4.2密度聚类算法的应用

    8.5聚类分析模型评估

    8.5.1外部度量

    8.5.2内部评估

    新手问答

    牛刀小试

    本章小结

    第9章支持向量机

    本章导读

    知识要点

    9.1支持向量机的基础知识

    9.1.1支持向量机概述

    9.1.2鸢尾花数据准备

    9.2支持向量机的分类

    9.2.1支持向量机分类基础

    9.2.2SVM分类算法库

    9.2.3线性可分问题下的支持向量机分类原理

    9.2.4广义线性的支持向量机分类原理

    9.2.5非线性的支持向量机分类原理

    9.3支持向量机回归机

    9.3.1支持向量机回归机概述

    9.3.2SVM回归算法库

    9.3.3支持向量机回归机的应用

    9.4支持向量机模型评估

    9.4.1R2系数

    9.4.2建立模型准确度评测

    9.4.3混淆矩阵

    9.4.4建立模型分类报告

    新手问答

    牛刀小试

    本章小结

    0章机器的大脑“神经网络”

    本章导读

    知识要点

    10.1神经网络的相关知识

    10.1.1神经网络的历史

    10.1.2神经元模型

    10.1.3激活函数

    10.2神经网络

    10.2.1神经网络的基本概念

    10.2.2单层神经网络的原理

    10.2.3隐藏层

    10.2.4多层感知网络的原理

    10.3BP神经网络

    10.3.1BP神经网络的基本原理

    10.3.2算法演绎推导

    10.3.3BP神经网络的实现

    新手问答

    牛刀小试

    本章小结

    1章卷积神经网络

    本章导读

    知识要点

    11.1卷积神经网络的基本概念

    11.1.1卷积神经网络基本原理

    11.1.2卷积运算原理

    11.1.3激活层

    11.1.4池化

    11.2卷积神经网络的实现

    11.2.1需求背景介绍

    11.2.2数据准备

    11.2.3模型建立

    11.2.4模型的训练和评估

    11.2.5模型优化

    新手问答

    牛刀小试

    本章小结

    第三篇实战

    2章让机器预测房价

    本章导读

    知识要点

    12.1目标与计划

    12.1.1房价数据的特征和维度

    12.1.2制订机器学习计划

    12.2获取数据

    12.2.1获取原始数据

    12.2.2数据探索

    12.2.3数据清洗

    12.2.4训练/测试集划分

    12.2.5数据变换

    12.3建立线性回归模型

    12.4模型评估

    12.4.1训练集评估

    12.4.2测试集评估

    12.5项目结论

    本章小结

    3章人脸识别系统的设计与实现

    本章导读

    知识要点

    13.1目标与计划

    13.1.1目标图像集的大小和类别

    13.1.2机器学习模型的选择

    13.1.3制订机器学习计划

    13.2获取数据集

    13.2.1下载数据集

    13.2.2数据的清洗和准备

    13.2.3划分训练集与测试集

    13.3建立图像识别模型

    13.3.1确定损失函数

    13.3.2卷积层的设置

    13.3.3激活函数的选择

    13.3.4池化的类型

    13.3.5模型的训练

    13.4模型评估

    13.4.1中间结果的可视化

    13.4.2收敛的判定

    13.4.3交叉验证

    本章小结

    附录TensorFlow常用函数

    参考文献


    陈怡然,女,,于重庆,目前在担任人工智能方向专业教师,同时在重庆攻读博士。具有多年的企业实践开发经验和学校理论教学经验。主持了多项人工智能相关的纵向研究课题,参与管理了多个关于人工智能方面的实践开发项目,发表了多篇高质量的人工智能相关。

    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