舉報 
會員
機器學習案例分析（基于Python語言）
最新章節(jié)：
反侵權(quán)盜版聲明
本書共5章內(nèi)容，主要結(jié)合目前流行的人工智能編程語言Python對機器學習案例進行分析，介紹機器學習的相關理論，并展示使用機器學習方法解決實際應用問題的具體過程。本書包括基礎知識、分類案例、聚類案例、回歸預測案例和綜合案例，力爭通過通俗易懂的案例和代碼分析使讀者快速掌握機器學習的具體應用方法。本書既適合計算機相關專業(yè)人員，也適合非計算機相關專業(yè)人員閱讀。理論性強，較難理解的內(nèi)容統(tǒng)一放在了附錄A中，這部分內(nèi)容適合具備一定理論基礎、對機器學習理論推導有興趣的讀者。
目錄(42章)
倒序
- 封面
- 版權(quán)信息
- 作者簡介
- 序
- 前言
- 第1章 基礎知識
- 1.1 機器學習簡介
- 1.2 Python基礎
- 1.3 常用第三方庫
- 1.4 案例分析
- 1.5 本章小結(jié)
- 1.6 參考文獻
- 第2章 分類案例
- 2.1 員工離職預測
- 2.2 Iris數(shù)據(jù)分類
- 2.3 新聞文本分類
- 2.4 手寫數(shù)字識別
- 2.5 本章小結(jié)
- 2.6 參考文獻
- 第3章 聚類案例
- 3.1 人臉圖像聚類
- 3.2 文本聚類
- 3.3 本章小結(jié)
- 3.4 參考文獻
- 第4章 回歸預測案例
- 4.1 房價預測
- 4.2 基于LSTM的股票走勢預測
- 4.3 本章小結(jié)
- 4.4 參考文獻
- 第5章 綜合案例
- 5.1 場景文本檢測
- 5.2 面部認證
- 5.3 本章小結(jié)
- 5.4 參考文獻
- 附錄A
- A.1 邏輯回歸分類器原理介紹
- A.2 自己編程實現(xiàn)決策樹分類器
- A.3 支持向量機的數(shù)學推導
- A.4 Adaboost的數(shù)學推導和代碼實現(xiàn)
- A.5 神經(jīng)網(wǎng)絡的數(shù)學推導和代碼實現(xiàn)
- A.6 期望最大化算法和高斯混合模型
- 反侵權(quán)盜版聲明 更新時間：2020-07-02 15:48:10
推薦閱讀
- 集成架構(gòu)中型系統(tǒng)
- Ansible Configuration Management
- 電力自動化實用技術(shù)問答
- Python Artificial Intelligence Projects for Beginners
- 輕松學Java
- 自動檢測與轉(zhuǎn)換技術(shù)
- Windows程序設計與架構(gòu)
- Photoshop CS3特效處理融會貫通
- 21天學通C#
- Associations and Correlations
- Visual C++編程全能詞典
- Applied Data Visualization with R and ggplot2
- 自動化生產(chǎn)線安裝與調(diào)試（三菱FX系列）（第二版）
- 網(wǎng)絡存儲·數(shù)據(jù)備份與還原
- 強化學習
- Photoshop CS4數(shù)碼攝影處理50例
- Windows Server 2012 Automation with PowerShell Cookbook
- 三維動畫制作（3ds max7.0）
- 實戰(zhàn)Hadoop
- 新手學Illustrator CS6平面廣告設計
- Office 2010辦公應用
- 人工智能算法（卷2）：受大自然啟發(fā)的算法
- Learning PostgreSQL 10（Second Edition）
- Scala Machine Learning Projects
- VRay 1.5R2完全自學攻略
- CAD/CAM技術(shù)
- Hands-On Machine Learning with JavaScript
- 三菱FX系列PLC編程及應用（第3版）
- Windows 7使用精解
- 自己動手做交互系統(tǒng)
