Python機器學習與應用案例 蔡靜 9787302680086 【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：202502*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：Python機器學習與應用案例
ISBN：9787302680086
出版社：清華大學
著編譯者：蔡靜
頁數：323
所在地：中國大陸 *此為代購商品
書號：1710836
可大量預訂，請先連絡。

內容簡介

Python是目前比較熱門的編程語言，以簡單易學、應用廣泛、類庫強大而著稱，是實現機器學習算法的首選語言。本書理論與實踐相結合，基於Python 3 12 0版本介紹Python機器學習的相關內容。全書共10章，分別介紹了機器學習的基礎知識、近鄰法、數據降維、分類算法、回歸算法、聚類算法、神經網絡、推薦算法、頻繁項集、數據預處理。通過本書的學習，讀者可了解Python編程及在機器學習中的應用。 本書可作為對Python和機器學習感興趣的初學者的參考書，也可作為從事Python開發的廣大科研人員、學者、工程技術人員的參考書，還可作為高等院校人工智能、計算機等相關專業的教材。

目錄

第1章 機器學習的基礎知識
1 1 何謂機器學習
1 1 1 感測器和海量數據
1 1 2 機器學習的重要性
1 1 3 機器學習的表現
1 1 4 機器學習的主要任務
1 1 5 選擇合適的算法
1 1 6 機器學習程序的步驟
1 2 綜合分類
1 3 推薦系統和深度學習
1 3 1 推薦系統
1 3 2 深度學習
1 4 何為Python
1 4 1 使用Python軟體的由來
1 4 2 為什麼使用Python
1 4 3 Python設計定位
1 4 4 Python的優缺點
1 4 5 Python的應用
1 5 Python編程第一步
1 6 NumPy函數庫基礎
1 7 Python迭代器與生成器
1 7 1 迭代器
1 7 2 生成器
1 8 Pandas科學計算庫
1 8 1 Pandas簡介
1 8 2 Pandas的安裝
1 8 3 Pandas Series
1 8 4 Pandas DataFrame
1 8 5 Pandas CSV文件
1 9 多線程
1 9 1 學習Python線程
1 9 2 線程模塊
1 9 3 線程同步
1 9 4 線程優先順序隊列（Queue）
1 10 小結
1 11 習題
第2章 Python近鄰法
2 1 k近鄰法的三要素
2 1 1 k值的選擇
2 1 2 距離度量
2 1 3 分類決策規則
2 2 k近鄰法
2 3 kd樹
2 3 1 什麼是kd樹
2 3 2 如何構建kd樹
2 3 3 如何在kd樹中搜索
2 4 Python實現kd樹、k近鄰法
2 5 k近鄰實戰配對判定
2 6 小結
2 7 習題
第3章 Python數據降維
3 1 維數災難與降維
3 2 主成分分析
3 2 1 PCA原理
3 2 2 PCA算法
3 2 3 PCA降維的兩個準則
3 3 t-SNE降維
3 3 1 t-SNE核心思想
3 3 2 算法步驟
3 3 3 t-SNE算法實現
3 4 SVD降維
3 5 核主成分分析降維
3 6 流形學習降維
3 7 多維縮放降維
3 7 1 原理
3 7 2 MDS算法
3 8 等度量映射降維
3 9 局部線性嵌入
3 9 1 原理
3 9 2 LLE算法
3 10 非負矩陣分解
3 11 小結
3 12 習題
第4章 Python分類算法
4 1 邏輯回歸
4 1 1 邏輯回歸模型
4 1 2 梯度下降法
4 2 Softmax回歸
4 3 因子分解機
4 3 1 邏輯回歸算法的不足
4 3 2 因子分解機模型
4 3 3 FM算法中交叉項的處理
4 3 4 FM算法的求解
4 3 5 FM算法流程
4 3 6 Python實現FM模型
4 4 支持向量機
4 4 1 SVM簡介
4 4 2 線性可分支持向量機
4 4 3 函數間距和幾何間距
4 4 4 線性支持向量機
4 4 5 非線性支持向量機
4 5 貝葉斯分類器
4 5 1 貝葉斯定理
4 5 2 相關的概念
4 5 3 常用貝葉斯分類器
4 6 隨機森林
4 6 1 決策樹分類器
4 6 2 CART分類樹算法
4 7 各模型分類對比
4 8 小結
4 9 習題
第5章 Python回歸算法
5 1 線性回歸
5 1 1 基本線性回歸
5 1 2 線性回歸的最小二乘解法
5 1 3 牛頓法
5 1 4 局部加權線性回歸
5 2 非線性回歸
5 3 嶺回歸與Lasso回歸
5 3 1 線性回歸存在的問題
5 3 2 嶺回歸模型
5 3 3 Lasso回歸模型
5 3 4 擬牛頓法
5 3 5 LBFGS求解嶺回歸模型
5 4 小結
5 5 習題
第6章 Python聚類算法
6 1 kMeans算法
6 1 1 相似性的度量
6 1 2 kMeans算法原理
6 1 3 kMeans++算法
6 2 親和度聚類
6 3 Mean Shift聚類算法
6 3 1 Mean Shift向量
6 3 2 核函數
6 3 3 Mean Shift推導
6 3 4 Mean Shift在圖像上的聚類
6 4 DBSCAN聚類
6 4 1 密度聚類原理
6 4 2 DBSCAN密度定義
6 4 3 DBSCAN密度聚類思想
6 4 4 DBSCAN聚類算法
6 4 5 DBSCAN小結
6 5 小結
6 6 習題
第7章 Python神經網絡
7 1 感知機
7 1 1 感知機原理
7 1 2 感知機模型
7 1 3 感知機學習策略
7 1 4 感知機學習算法
7 1 5 神經網絡
7 1 6 感知機的實現
7 2 BP神經網絡
7 2 1 BP神經網絡原理
7 2 2 BP神經網絡的實現
7 3 徑向基神經網絡
7 3 1 徑向基函數解決插值問題
7 3 2 正則化理論
7 3 3 正則化RBF網絡
7 3 4 廣義RBF網絡
7 3 5 數據中心的監督學習算法
7 4 模糊神經網絡
7 4 1 網絡模型
7 4 2 學習算法
7 4 3 模糊神經網絡的應用
7 5 小結
7 6 習題
第8章 Python推薦算法
8 1 協同過濾算法
8 1 1 協同過濾算法概述
8 1 2 協同過濾算法的分類
8 1 3 相似度的度量方法
8 1 4 基於用戶的協同過濾算法
8 1 5 基於物品的協同過濾算法
8 2 基於矩陣分解的推薦算法
8 2 1 矩陣分解
8 2 2 基於矩陣分解的推薦算法
8 2 3 非負矩
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。