由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
[友一个正版]三册python基础教程Python编程从零基础到项目实战python机器学习入门人工智能Python大
¥ ×1
标题前缀为分类信息!!!!!!!购买前请看好标题前缀!!!!!总标题中【正版】前为标题前缀!!!
店铺公告
为保障消费者合理购买需求及公平交易机会,避免因非生活消费目的的购买货囤积商品,抬价转售等违法行为发生,店铺有权对异常订单不发货且不进行赔付。异常订单:包括但不限于相同用户ID批量下单,同一用户(指不同用户ID,存在相同/临近/虚构收货地址,或相同联系号码,收件人,同账户付款人等情形的)批量下单(一次性大于5本),以及其他非消费目的的交易订单。
温馨提示:请务必当着快递员面开箱验货,如发现破损,请立即拍照拒收,如验货有问题请及时联系在线客服处理,(如开箱验货时发现破损,所产生运费由我司承担,一经签收即为货物完好,如果您未开箱验货,一切损失就需要由买家承担,所以请买家一定要仔细验货),
关于退货运费:对于下单后且物流已发货货品在途的状态下,原则上均不接受退货申请,如顾客原因退货需要承担来回运费,如因产品质量问题(非破损问题)可在签收后,联系在线客服。
|
|
|
|
【套装3本】Python在机器学习中的应用+ Python编程从零基础到项目实战+ 基于Python的大数据分析基础及实战 | ||
| 定价 | 229.40 |
出版社 | 中国水利水电出版社 | |
版次 | 1 | |
出版时间 | 2019年06月 | |
开本 | 16开 | |
作者 | 余本国 孙玉林 | |
装帧 | 平装-胶订 | |
册数 | 3 | |
字数 | ||
ISBN编码 | 9787517074830 |
随着大数据的兴起,Python 和机器学习迅速成为时代的宠儿。本书在内容编排上避免了枯燥的理论知识讲解,依循“理论简述——实际数据集——Python 程序实现算法”分析数据的思路,根据实际数据集的分析目的,采用合适的主流机器学习算法来解决问题。全书共12章,其中dy ~ 4 章介绍了机器学习的基础知识;第5 ~ 12 章讨论了在面对不同的数据时,如何采用一些主流的算法来解决问题,主要包括回归分析、关联规则、无监督学习、文本LDA 模型、决策树和集成学习、朴素贝叶斯和K 近邻分类、支持向量机和神经网络,以及深 度学习入门等内容。针对每个算法,都给出Python 代码实现算法建模的过程,并结合可视化技术,帮助读者更好地理解算法和分析结果。 《Python 在机器学习中的应用》是使用Python 进行机器学习的入门实战教程,可作为以Python 为基础进行机器学习的本科生和研究生入门书籍,也可供对Python 机器学习感兴趣的研究人员参考阅读。
《Python编程从零基础到项目实战(微课视频版)》是一本介绍Python相关知识的Python基础教程,也是一本Python视频教程,内容涉及算法、Python数据 分析、图形处理、Web开发、科学计算、项目管理、人工智能、Python爬虫等。其中第Ⅰ部分为Python基础篇,首先从Python的安装开始,随后介绍了变量 和数据类型、条件分支与循环、列表与元组、字典、函数、类、标准库以及程序中的异常现象及处理方法;第Ⅱ部分为Python提高篇,介绍了文件处理、图形 用户界面、数据库 作、线程与进程、测试及打包等知识;第Ⅲ部分为拓展篇,介绍了Python在Web应用、商业级别的技术框架、大数据应用、AI应用等方 面的拓展知识。全书通过“三酷猫”将案例串联起来,由浅入深、生动有趣,在增加趣味性的同时,让读者对Python的具体使用有一个完整的认识。另外, 本书配备了77集微视频讲解、提供完整的源代码及PPT课件 。具体 方法见“前言”中的相关介绍。 《Python编程从零基础到项目实战(微课视频版)》适合Python编程零基础读者、Python编程从入门到精通读者、在校学生、对Python编程感兴趣的在职 IT人员、教师等使用。本书也可作为相关培训机构的培训教材使用。
《基于Python的大数据分析基础及实战》是一本介绍如何用Python 3.6进行数据处理和分析的学习指南。其主要内容包括:Python语言基础、数据处理、数据分析、数据可视化,以及利用Python对数据库的 作、自建Python应用库的共享发布等。
《基于Python的大数据分析基础及实战》分3个部分:dy 部分为基础知识,第2部分为实战案例,第3部分为拓展与延伸。本书内容丰富,讲解通俗易懂,非常适合本科生、研究生,以及对Python语言感兴趣或者想要使用Python语言进行数据分析的广大读者。
dy 章 机器学习简介
1.1 机器学习的任务
1.2 机器学习的三种方式
1.3 机器学 统的建立
1.4 机器学习实例
第2 章 Python 常用库介绍
2.1 Python 的安装(Anaconda)
2.1.1 Spyder
2.1.2 Jupyter Notebook
2.2 Python 常用库
2.2.1 Numpy 库
2.2.2 Pandas 库
2.2.3 Matplotlib 库
2.2.4 Statsmodels 库
2.2.5 Scikit-learn 库
2.3 其他Python 常用的数据库
2.4 Python 各种库在机器学习中的应用
第3 章 数据的准备和探索
3.1 数据预处理
3.2 数据假设检验
3.3 数据间的关系
3.4 数据可视化
3.5 特征提取和降维
第4 章 模型训练和评估
4.1 模型训练技巧
4.2 分类效果的评价
4.3 回归模型评价
4.4 聚类分析评估
第5 章 回归分析
5.1 回归分析简介
5.2 多元线性回归分析
5.2.1 多元线性回归
5.2.2 逐步回归
5.3 Lasso 回归分析
5.4 Logistic 回归分析
5.5 时间序列预测
第6 章 关联规则
6.1 关联规则简介
6.2 使用关联规则找到问卷的规则
6.3 关联规则可视化
第7 章 无监督学习
7.1 无监督学习介绍
7.2 系统聚类
7.3 K- 均值聚类
7.4 密度聚类
7.5 Mean Shift 聚类
7.6 字典学习图像去噪
第8 章 文本LDA 模型
8.1 文本分析简介
8.2 中文分词
8.3 LDA 主题模型分析《红楼梦》
8.4 红楼梦人物关系
第9 章 决策树和集成学习
9.1 模型简介
9.2 泰坦尼克号数据预处理
9.3 决策树模型
9.4 决策树剪枝
9.5 随机森林模型
9.6 AdaBoost 模型
dy 0 章 朴素贝叶斯和K近邻分类
10.1 模型简介
10.2 垃圾邮件数据预处理
10.3 贝叶斯模型识别垃圾邮件
10.4 基于异常值检测的垃圾邮件查找
10.4.1 PCA 异常值检测
10.4.2 Isolation Forest 异常值检测
10.5 数据不平衡问题的处理
10.6 K 近邻分类
dy 1 章 支持向量机和神经网络
11.1 模型简介
11.2 肺癌数据可视化
11.3 支持向量机模型
11.4 全连接神经网络
dy 2 章 深度学习入门
12.1 深度学习介绍
12.2 卷积和池化
12.3 CNN 人脸识别
12.4 CNN 人脸检测
12.5 深度卷积图像去噪
12.5.1 空洞卷积
12.5.2 图像与图像块的相互转换
12.5.3 一种深度学习去噪方法
显示全部信息
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格