基於Python的機器學習 姚普 9787121455711 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202305*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：基於Python的機器學習
ISBN：9787121455711
出版社：電子工業
著編譯者：姚普
叢書名：新工科建設
頁數：229
所在地：中國大陸 *此為代購商品
書號：1525400
可大量預訂，請先連絡。

內容簡介

本書深入淺出地介紹了機器學習的基本原理與主要方法，以及必要的數學知識與程序設計方法。全書共有7章，分別講解了機器學習的概念及應用、數學基礎（導數與極值、向量與矩陣、概率統計、凸優化）、Python程序設計、線性回歸及其程序實現、邏輯回歸及多分類、分類與聚類、基於神經網絡的機器學習。 本書可作為高等院校機器學習課程的教材，也可作為機器學習愛好者及從事相關工作的工程技術人員的參考書。

目錄

第1章 機器學習的概念及應用
1 1 機器學習的發展與應用
1 1 1 機器學習的發展歷程
1 1 2 機器學習的應用
1 2 機器學習的概念
1 2 1 機器學習的特點
1 2 2 機器學習的要素
1 2 3 機器學習系統的結構
1 3 機器學習分類
1 3 1 映射函數與樣本
1 3 2 監督學習
1 3 3 無監督學習
1 3 4 強化學習
1 4 深度學習
1 4 1 機器學習的困境
1 4 2 深度學習機制
習題1
第2章 數學基礎
2 1 導數與極值
2 1 1 導數及求導法則
2 1 2 函數的單調性、凹凸性與極值
2 1 3 偏導數與梯度
2 1 4 多元函數的極值
2 2 向量與矩陣
2 2 1 矩陣及其性質
2 2 2 矩陣的基本運算
2 2 3 向量組與線性相關性
2 2 4 正交向量與相似矩陣
2 3 概率統計
2 3 1 隨機事件與概率
2 3 2 條件概率與貝葉斯公式
2 3 3 隨機變數的概率分佈
2 3 4 隨機變數的數字特徵
2 3 5 中心極限定理
2 3 6 極大似然估計
2 4 凸優化
習題2
第3章 Python程序設計
3 1 Python程序的編輯與運行
3 2 數據與表達式
3 2 1 常量
3 2 2 變數
3 2 3 數據的輸入輸出
3 2 4 常用函數
3 2 5 運算符與表達式
3 3 序列和字典
3 3 1 字元串
3 3 2 列表
3 3 3 元組
3 3 4 字典
3 4 程序的控制結構
3 4 1 分支語句
3 4 2 while語句
3 4 3 for語句
3 4 4 用戶自定義函數
3 4 5 模塊
3 5 類和對象
3 5 1 類的定義和使用
3 5 2 面向對象程序設計方式
3 5 3 類的繼承性
3 5 4 異常處理
習題3
第4章 線性回歸及其程序實現
4 1 線性回歸的概念
4 1 1 線性回歸的源流
4 1 2 監督學習與線性回歸
4 2 線性回歸模型
4 2 1 一元線性回歸模型
4 2 2 多元線性回歸模型
4 2 3 模型的泛化與優劣
4 3 數據擬合與可視化操作
4 3 1 NumPy多維數組操作
4 3 2 Matplotlib數據可視化操作
4 3 3 SciPy數據擬合操作
4 4 最小二乘法線性回歸程序
4 4 1 最小二乘法與一元線性回歸
4 4 2 一元線性回歸程序
4 5 梯度下降法及其程序
習題4
第5章 邏輯回歸及多分類
5 1 邏輯回歸的概念與模型
5 1 1 Logistic函數
5 1 2 線性分類問題
5 1 3 邏輯回歸模型
5 2 邏輯回歸計算
5 2 1 邏輯回歸模型的預測函數
5 2 2 邏輯回歸模型的極大似然估計
5 2 3 邏輯回歸模型的參數求解
5 3 邏輯回歸與樸素貝葉斯分類
5 4 多分類策略
5 5 Softmax回歸
5 5 1 廣義線性模型
5 5 2 Softmax回歸模型
習題5
第6章 分類與聚類
6 1 決策樹
6 1 1 決策樹與決策過程
6 1 2 信息熵與信息增益
6 1 3 決策樹的構造
6 1 4 尋找最佳分裂
6 1 5 決策樹訓練的主要問題及流程
6 2 支持向量機
6 2 1 支持向量機基本原理
6 2 2 支持向量機實現鳶尾花分類
6 3 聚類演算法
6 3 1 距離計算與聚類評價
6 3 2 K-均值聚類演算法
習題6
第7章 基於神經網絡的機器學習
7 1 神經網絡與人工神經網絡
7 2 感知機
7 2 1 人工神經元與感知機
7 2 2 感知機訓練演算法
7 2 3 感知機訓練實例
7 2 4 感知機訓練與預測程序
7 2 5 線性可分性與多層感知機
7 3 BP演算法
7 3 1 多層神經網絡的結構
7 3 2 多層神經網絡的參數調整
7 3 3 BP演算法及評價
7 4 卷積的概念及運算
7 4 1 卷積的概念
7 4 2 二維互相關運算
7 4 3 二維卷積運算程序
7 5 卷積神經網絡
7 5 1 卷積神經網絡的特點
7 5 2 多通道卷積及常用卷積核
7 5 3 卷積神經網絡的結構
7 6 卷積神經網絡實例
習題7
附錄A 機器學習名詞中英文對照
參考文獻
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。