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]机器学习入门 基于数学原理的Python实战戴璞微9787301
  • 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: 戴璞微著 | 戴璞微编 | 戴璞微译 | 戴璞微绘
    • 出版社: 北京大学出版社
    • 出版时间:2019-12-01
    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: 戴璞微著| 戴璞微编| 戴璞微译| 戴璞微绘
    • 出版社:北京大学出版社
    • 出版时间:2019-12-01
    • 版次:1
    • 印次:1
    • 字数:430000
    • 页数:296
    • 开本:16开
    • ISBN:9787301308974
    • 版权提供:北京大学出版社
  • 作者: 戴璞微
  • 著: 戴璞微 译
  • 装帧: 平装
  • 印次: 1
  • 定价: 69
  • ISBN: 9787301308974
  • 出版社: 北京大学出版社
  • 开本: 16开
  • 印刷时间: 暂无
  • 语种: 中文
  • 出版时间: 2019-12-01
  • 页数: 296
  • 外部编号: 五三B5907
  • 版次: 1
  • 成品尺寸: 暂无
  • 章 机器学习及其数学基础
    1.1 机器学习与人工智能简述 2
    1.2 高等数学 4
    1.3 线性代数 7
    1.4 概率论与数理统计 14
    1.5 Jensen不等式 25
    1.6 本章小结 27
    第2章 线性回归
    2.1 线性回归模型 29
    2.2 梯度下降算法 30
    2.3 再看线性回归 32
    2.4 正则方程 34
    2.5 概率解释 35
    2.6 线性回归的Python实现 36
    2.7 案例:利用线性回归预测波士顿房价 43
    2.8 本章小结 54
    第3章 局部加权线性回归
    3.1 欠拟合与过拟合 56
    3.2 局部加权线性回归模型 57
    3.3 局部加权线性回归的Python实现 61
    3.4 案例:再看预测波士顿房价 64
    3.5 案例:利用局部加权线性回归预测鲍鱼年龄 71
    3.6 本章小结 77
    第4章?Logistic回归与Softmax回归
    4.1 监督学习 80
    4.2 Logistic回归 80
    4.3 广义线性模型 84
    4.4 Softmax回归 86
    4.5 Logistic回归的Python实现 90
    4.6 案例:利用Logistic回归对乳腺癌数据集进行分类 96
    4.7 Softmax回归的Python实现 107
    4.8 案例:利用Softmax回归对语音信号数据集进行分类 116
    4.9 本章小结 127
    第5章 模型评估与优化
    5.1 模型性能度量 130
    5.2 偏差-方差平衡 134
    5.3 正则化 135
    5.4 交叉验证 144
    5.5 Ridge回归的Python实现 145
    5.6 案例:再看预测鲍鱼年龄 153
    5.7 带L2正则化的Softmax回归的Python实现 156
    5.8 案例:再看语音信号数据集分类 161
    5.9 本章小结 165
    第6章 BP神经网络
    6.1 神经网络模型 168
    6.2 BP算法与梯度下降算法 171
    6.3 BP神经网络的相关改进 175
    6.4 BP神经网络的Python实现 185
    6.5 案例:利用BP神经网络对语音信号数据集进行分类 197
    6.6 本章小结 215
    第7章 K-Means聚类算法
    7.1 无监督学习与聚类 218
    7.2 K-Means聚类算法 219
    7.3 K-Means聚类的Python实现 222
    7.4 案例:利用K-Means算法对Iris数据集进行聚类 225
    7.5 本章小结 229
    第8章 高斯混合模型
    8.1 EM算法 231
    8.2 高斯混合模型 233
    8.3 GMM与K-Means的区别与联系 238
    8.4 聚类性能评价指标 240
    8.5 GMM的Python实现 242
    8.6 案例:利用GMM对葡萄酒数据集进行聚类 248
    8.7 本章小结 255
    第9章 主成分分析
    9.1 降维技术 258
    9.2 主成分分析 258
    9.3 核函数 263
    9.4 核主成分分析 265
    9.5 PCA的Python实现 268
    9.6 案例:利用PCA对葡萄酒质量数据集进行降维 271
    9.7 本章小结 280

    戴璞微,中国民航大学硕士,CSDN博客专家。曾获得全国大学生数学竞赛国家一等奖、北美数学建模二等奖,参与国家自然科学基金项目1项。对计算机视觉、机器学习和深度学习有深入研究。潘斌,浙江大学应用数学系博士,现任辽宁石油化工大学理学院副院长。2018年入选辽宁省“兴辽英才计划”青年拔尖人才,2016年主持国家自然科学基金青年基金项目1项;2015年主持辽宁省自然科学基金项目1项;2016年主持浙江大学CAD&CG国家重点实验室开放课题2项。近年来,指导本科生获全国大学生数学建模竞赛国家一等奖。

    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