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:
本店所有商品

  • 醉染图书Python监督学习9787302594659
  • 正版全新
    • 作者: [爱尔兰]瓦伊巴夫·韦尔丹(Vaibhav Verdhan) 著 梁平、谭颖 译著 | [爱尔兰]瓦伊巴夫·韦尔丹(Vaibhav Verdhan) 著 梁平、谭颖 译编 | [爱尔兰]瓦伊巴夫·韦尔丹(Vaibhav Verdhan) 著 梁平、谭颖 译译 | [爱尔兰]瓦伊巴夫·韦尔丹(Vaibhav Verdhan) 著 梁平、谭颖 译绘
    • 出版社: 清华大学出版社
    • 出版时间:2022-01-01
    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:
    醉染图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: [爱尔兰]瓦伊巴夫·韦尔丹(Vaibhav Verdhan) 著 梁平、谭颖 译著| [爱尔兰]瓦伊巴夫·韦尔丹(Vaibhav Verdhan) 著 梁平、谭颖 译编| [爱尔兰]瓦伊巴夫·韦尔丹(Vaibhav Verdhan) 著 梁平、谭颖 译译| [爱尔兰]瓦伊巴夫·韦尔丹(Vaibhav Verdhan) 著 梁平、谭颖 译绘
    • 出版社:清华大学出版社
    • 出版时间:2022-01-01
    • 版次:1
    • 印次:1
    • 字数:290000
    • 页数:244
    • 开本:16开
    • ISBN:9787302594659
    • 版权提供:清华大学出版社
    • 作者:[爱尔兰]瓦伊巴夫·韦尔丹(Vaibhav Verdhan) 著 梁平、谭颖 译
    • 著:[爱尔兰]瓦伊巴夫·韦尔丹(Vaibhav Verdhan) 著 梁平、谭颖 译
    • 装帧:平装
    • 印次:1
    • 定价:68.00
    • ISBN:9787302594659
    • 出版社:清华大学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2022-01-01
    • 页数:244
    • 外部编号:1202607795
    • 版次:1
    • 成品尺寸:暂无

    章 监督学习简介 1
    1.1 什么是机器学习 2
    1.1.1 数据分析、数据挖掘、机器学习和人工智能之间的关系 2
    1.1.2 数据、数据类型和数据源 4
    1.2 机器学习与软件工程的差异 6
    1.3 机器学习的统和学概念 9
    1.4 监督学习算法 15
    1.4.1 回归与分类问题 17
    1.4.2 监督学习算法步骤 18
    1.5 无监督学习算法 20
    1.5.1 聚类分析 20
    1.5.2 PCA 21
    1.6 半监督学习算法 22
    1.7 技术栈 22
    1.8 机器学习的普及
    1.9 机器学习使用案例 24
    1.10 小结 26
    第2章 回归分析监督学习 28
    2.1 所需技术工具包 29
    2.2 回归分析及案例 29
    . 什么是线回归 30
    2.4 度量回归问题的有效 34
    2.4.1 案例1:创建简单线回归 40
    2.4.2 案例2:住宅数据集简单线回归 42
    2.4.3 案例3:住宅数据集多元线回归 47
    2.5 非线回归分析 52
    2.6 识别非线关系 55
    2.7 回归模型面临的挑战 57
    2.8 回归的基于树方法 59
    2.9 案例分析:使用决策树解决油耗问题 61
    2.10 回归的集成方法 64
    2.11 案例分析:使用随机森林解决油耗问题 66
    2.12 基于树方法的特征选择 69
    2.13 小结 71
    第3章 分类问题监督学习 73
    3.1 所需技术工具包 74
    3.2 设检验及p值 74
    3.3 分类算法 76
    3.4 评估解决方案准确度 81
    3.5 案例分析:信用风险 84
    3.6 分类的朴素贝叶斯方法 95
    3.7 案例分析:人口普查数据的收入预测 97
    3.8 分类的k近邻方法 104
    3.9 案例分析:k近邻 107
    3.9.1 数据集 108
    3.9.2 业务目标 108
    3.10 分类的基于树算法 114
    3.11 决策树算法类型 117
    3.12 小结 120
    第4章 监督学习高级算法 1
    4.1 所需技术工具 124
    4.2 提升算法 124
    4.3 支持向量机(SVM) 135
    4.3.1 二维空间的SVM 136
    4.3.2 KSVM 137
    4.3.3 使用SVM的案例分析 139
    4.4 非结构化数据的监督学习算法 144
    4.5 文本数据 144
    4.5.1 文本数据案例 145
    4.5.2 文本数据面临的挑战 146
    4.5.3 文本分析建模过程 147
    4.5.4 文本数据提取及管理 149
    4.5.5 文本数据预处理 150
    4.5.6 从文本数据提取特征 152
    4.6 案例分析:采用自然语言处理的客户投诉分析 156
    4.7 案例分析:采用词嵌入的客户投诉分析 160
    4.8 图像数据 163
    4.8.1 图像数据案例 164
    4.8.2 图像数据面临的挑战 165
    4.8.3 图像数据管理过程 166
    4.8.4 图像数据建模过程 167
    4.9 深度学习基础 167
    4.9.1 人工神经网络 167
    4.9.2 激活函数 169
    4.9.3 神经网络的损失函数 171
    4.9.4 神经网络优化 172
    4.9.5 神经网络训练过程 173
    4.10 案例分析1:在结构化数据上建立分类模型 176
    4.11 案例分析2:图像分类模型 180
    4.12 小结 185
    第5章 端到端模型开发 187
    5.1 所需技术工具 188
    5.2 机器学习模型开发 188
    5.3 步骤1:定义业务问题 189
    5.4 步骤2:数据发现阶段 190
    5.5 步骤3:数据清理和准备 193
    5.5.1 数据集中的重复值 194
    5.5.2 数据集的分类变量处理 195
    5.5.3 数据集中存在的缺失值 197
    5.6 数据集中的不平衡 202
    5.7 数据集中的离群值 205
    5.8 数据集中常见问题 207
    5.9 步骤4:EDA 209
    5.10 步骤5:机器学习模型构建 215
    5.10.1 数据训练/测试集分割 215
    5.10.2 为分类算法找到很好阈值 219
    5.10.3 过拟合与欠拟合问题 219
    5.10.4 关键利益相关人讨论并迭代 2
    5.10.5 提交模型 2
    5.11 步骤6:模型部署 2
    5.12 步骤7:文档化 229
    5.13 步骤8:模型更新和维护 229
    5.14 小结 0

    Vaibhav Verdhan在数据科学、机器学习和人工智能方面拥有12年以上的经验。他是一位具有工程背景的工商管理硕士,也是一位善于实践的技术专家,具有敏锐的透彻理解和分析数据的能力。他曾在跨地理区域和、电信、制造、能源和公用事业领域多个机器学习和人工智能项目。目前和家人居住在爱尔兰,担任首席数据科学家。

    "通过使用Python开发用例,全面理解监督学习算法。读者将学习监督学习概念、Python编码、数据集、上佳实践、常见问题和陷阱的解决方案,以及为结构化数据和文本、图像数据集实现算法的实用知识。
        《Python监督学习》首先介绍机器学习,重点区分监督、半监督和无监督学习的特点与不同。接下来讲解回归和分类问题,包括背景数学知识,算法(线回归、逻辑回归、决策树、KNN、 朴素贝叶斯),高级算法(随机森林、支持向量机、梯度),以及神经网络。所有的算法都提供了Python代码实现。本书讲述完整的端到端模型开发过程,其中包括模型的部署和维护。
        阅读《Python监督学习》之后,读者将对监督学习及其具体实现有一个广泛的理解,并能够以创新的方式运行代码并进行扩展。"

    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