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]Python机器学习基础本书编写组9787302611288
  • 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: 本书编写组著 | 本书编写组编 | 本书编写组译 | 本书编写组绘
    • 出版社: 清华大学音像出版社
    • 出版时间:2022-09-10
    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: 本书编写组著| 本书编写组编| 本书编写组译| 本书编写组绘
    • 出版社:清华大学音像出版社
    • 出版时间:2022-09-10
    • 版次:1
    • 印次:1
    • 字数:434000
    • 页数:300
    • 开本:16开
    • ISBN:9787302611288
    • 版权提供:清华大学音像出版社
    • 作者:本书编写组
    • 著:本书编写组
    • 装帧:平装
    • 印次:1
    • 定价:56
    • ISBN:9787302611288
    • 出版社:清华大学
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2022-09-10
    • 页数:300
    • 外部编号:小坞97306
    • 版次:1
    • 成品尺寸:暂无

    第1章 Python语言基础

    1.1 Python程序人门

    1.1.1 一些简单的Python程序

    1.1.2 序列数据结构

    1.1.3 序列处理函数

    1.1.4 函数和类

    1.2 Python集成开发环境

    1.2.1 Anaconda的使用

    1.2.2 Spyder集成开发环境

    1.3 NumPy库

    1.3.1 Numpy数组

    1.3.2 Numpy数组的形状操作

    1.3.3 提取数组的行或列

    1.3.4 Numpy矩阵

    1.4 数据可视化——Matplotlib库

    1.4.1 绘制曲线图

    1.4.2 绘制散点图等其他图形

    1.5 SciPy库

    习题

    第2章 机器学习概述

    2.1 机器学习的概念和步骤

    2.1.1 机器学习的一般过程

    2.1.2 机器学习的定义

    2.1.3 机器学习的过程举例

    2.1.4 评估机器学习模型的效果

    2.2 机器学习的预处理环节

    2.2.1 数据获取

    2.2.2 数据预处理

    2.2.3 数据标准化

    2.2.4 数据降维

    2.3 机器学习的类型

    2.3.1 按完成的任务分类

    2.3.2 按学习的过程分类

    2.4 机器学习的发展历史和应用领域

    2.4.1 机器学习的发展历史

    2.4.2 机器学习的应用领城

    2.5 Scikit-learn机器学习库

    2.5.1 样本及样本的划分

    2.5.2 导入或创建数据集

    2.5.3 数据预处理

    2.5.4 数据的降维

    2.5.5 调用机器学习模型

    习题

    第3章 关联规则与推荐算法

    3.1 关联规则挖掘

    3.1.1 基本概念

    3.1.2 Apriori算法

    3.1.3 Apriori算法的程序实现

    3.1.4 FP-Growth算法

    3.2 推荐系统及算法

    3.2.1 协同过滤推荐算法

    3.2.2 协同过滤推荐算法应用实例

    3.3 电影节目推荐实例

    习题

    第4章 聚类

    4.1 聚类的原理与实现

    4.1.1 聚类的概念和类型

    4.1.2 如何度量距离

    4.1.3 聚类的基本步骤

    4.2 层次聚类算法

    4.2.1 算法原理和实例

    4.2.2 算法的Sklearn实现

    4.3 k-means聚类算法

    4.3.1 算法原理和实例

    4.3.2 算法中值的确定

    4.3.3 算法的Sklearn实现

    4.4 k-medoids聚类算法

    4.4.1 算法原理和实例

    4.4.2 算法的Sklearn实现

    4.5 DBSCAN聚类算法

    4.5.1 算法原理和实例

    4.5.2 算法的Sklearn实现

    4.6 OPTICS聚类算法

    4.6.1 算法的原理

    4.6.2 算法的Sklearn实现

    4.7 GMM聚类算法

    4.7.1 算法的原理

    4.7.2 算法的Sklearn实现

    4.8 利用聚类实现车牌识别

    习题

    第5章 分类

    5.1 分类的原理和步骤概述

    5.1.1 分类与聚类的区别

    5.1.2 分类的步骤

    5.1.3 分类模型预测结果的评估

    5.1.4 Sklearn库的常用分类算法

    5.2 k-近邻分类算法

    5.2.1 k-近邻算法原理和实例

    5.2.2 Sklearn中分类算法的编程步骤

    5.2.3 k-近邻分类的Sklearn实现

    5.2.4 绘制分类边界图

    5.2.5 确定很优的k值

    5.3 朴素贝叶斯分类算法

    5.3.1 算法原理与实例

    5.3.2 算法的常见问题

    5.3.3 算法的Sklearn实现

    5.4 决策树分类算法

    5.4.1 信息论基础

    5.4.2 ID3算法

    5.4.3 C4.5算法

    5.4.4 CART算法

    5.4.5 算法的Sklearn程序实现

    5.5 随机森林分类算法

    5.5.1 集成学习理论

    5.5.2 随机森林分类的理论与实例

    ……

    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