機器學習與Python應用 樊重俊 9787542977359 【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：202410*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：機器學習與Python應用
ISBN：9787542977359
出版社：立信會計
著編譯者：樊重俊
頁數：265
所在地：中國大陸 *此為代購商品
書號：1700267
可大量預訂，請先連絡。

內容簡介

本教材對標社會對人工智能與經濟管理交叉領域人才的需求，具備高度系統性、準確性、針對性和前瞻性。它具有如下特點：一是思政與技術教育深度融合；二是全面涵蓋機器學習核心內容；三是實踐操作指導詳細；四是應用案例豐富；五是配套資源和工具完善。它全面而有條理地闡述了機器學習的理論框架，幫助讀者掌握機器學習的基本學習方法，使他們能夠在特定問題的解決中靈活運用教材中的相關知識。本教材共分為14章，涵蓋了機器學習基礎、Python基礎、關聯規則挖掘、K-means聚類分析、數據降維方法、K近鄰算法、決策樹、樸素貝葉斯、支持向量機、回歸預測、集成學習、神經網絡、機器學習的應用（文本分析和計算機視覺）等多個方面。每一章都以實際案例為例，使用Jupyter Notebook進行代碼演示，使讀者能夠更加直觀地了解代碼的執行過程和結果，進而更好地理解機器學習算法的原琿。並將其應用在解決實際問題中。

目錄

第1章 機器學習基礎
1 1 機器學習的概念
1 2 機器學習方法的分類
1 3 機器學習的一般步驟
1 4 機器學習方法的評估與選擇
1 5 本章小結
第2章 Python基礎
2 1 Python語言簡介
2 2 安裝與運行Python
2 3 Python編程入門
2 4 利用Python編寫機器學習程序時的常用庫
2 5 機器學習框架
2 6 本章小結
第3章 關聯規則挖掘
3 1 Apriori算法
3 2 其他關聯規則挖掘算法
3 3 本章小結
第4章 K-means聚類分析
4 1 K-means聚類算法
4 2 K-means聚類算法的改進
4 3 二分K-means聚類算法
4 4 本章小結
第5章 數據降維方法
5 1 數據降維
5 2 應用奇異值分解簡化數據
5 3 應用主成分分析簡化數據
5 4 本章小結
第6章 K近鄰算法
6 1 K近鄰算法概述
6 2 K近鄰算法的實現
6 3 本章小結
第7章 決策樹
7 1 ID3算法
7 2 CART樹回歸算法
7 3 決策樹算法的剪枝
7 4 本章小結
第8章 樸素貝葉斯
8 1 樸素貝葉斯算法
8 2 基於樸素貝葉斯的文本分類
8 3 基於樸素貝葉斯的垃圾文檔過濾
8 4 本章小結
第9章 支持向量機
9 1 支持向量機簡介
9 2 線性SVM
9 3 非線性SVM與核函數
9 4 本章小結
第10章 回歸預測
10 1 線性回歸
10 2 局部加權線性回歸
10 3 正則化方法
10 4 本章小結
第1l章 集成學習
11 1 隨機森林算法
11 2 Bagging模型
11 3 AdaBoost提升樹
11 4 本章小結
第12章 神經網絡
12 1 神經網絡概述
12 2 卷積神經網絡
12 3 循環神經網絡
12 4 本章小結
第13章 機器學習的應用——文本分析
13 1 文本分詞
13 2 去除停用詞
13 3 詞幹提取
13 4 詞形還原
13 5 命名實體識別
13 6 文本向量化——詞袋模型
13 7 文本向量化——TF-IDF表示法
13 8 文本向量化——one-hot編碼與詞嵌入
13 9 情感分析
13 10 用於預訓練詞嵌入的數據集
13 11 本章小結
第14章 機器學習的應用——計算機視覺
14 1 數據預處理
14 2 圖像識別及分割
14 3 圖像增廣及圖像增強
14 4 微調方法
14 5 本章小結
主要參考文獻
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。