Python機器學習項目化教程 (微課視頻版) 陳銳 陳明 孫海燕 9787302665984 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：清華大學
物品所在地：中國大陸
原出版社：清華大學
NT$444
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *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：202406*若逾兩年請先於私訊洽詢存貨情況，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機器學習項目化教程 (微課視頻版) ISBN：9787302665984 出版社：清華大學 著編譯者：陳銳 陳明 孫海燕 頁數：337 所在地：中國大陸 *此為代購商品 書號：1655399 可大量預訂，請先連絡。 內容簡介 本書主要介紹機器學習經典演算法的原理、實現及應用，並通過綜合案例講解如何將實際問題轉換為機器學習演算法進行求解。 全書主要內容包括機器學習概述、機器學習基礎及Python常用庫、樸素貝葉斯分類器、k近鄰演算法與非參數估計、聚類、回歸分析、決策樹、支持向量機、降維分析、人工神經網路、深度學習入門、推薦演算法等。本書演算法首先給出數學原理及公式推導過程，然後分別給出演算法的原始實現和通過調用機器學習庫實現兩種實現方式，所有演算法及案例均以Python實現，以方便讀者在實踐編程中理解機器學習的經典演算法。本書在講解知識點的過程中，以潤物細無聲的方式融入思政元素。 本書可作為高等院校計算機、軟體工程、大數據、人工智慧等相關專業的教材，也可作為Python機器學習初學者的參考用書，同時適用於機器學習開發人員和研究人員進行查閱和使用。目錄 第1章 機器學習概述1 1 什麼是機器學習 1 2 機器學習簡史 1 2 1 萌芽期 1 2 2 發展期 1 2 3 蓬勃期 1 3 機器學習、人工智慧、深度學習的關係 1 4 機器學習的相關概念 1 5 機器學習的任務門 1 5 1 監督學習 1 5 2 無監督學習 1 5 3 半監督學習 1 5 4 強化學習 1 6 機器學習的一般步驟 1 7 本章小結 1 8 習題 第2章 機器學習基礎及Python常用庫 2 1 機器學習的Python基礎與開發環境 2 1 1 Python開發環境簡介 2 1 2 Python的基本語法 2 1 3 Python列表、元組、字典、集合 2 1 4 函數與類 2 1 5 NumPy中的array 2 1 6 Pandas中的DataFrame 2 1 7 數據可視化 2 1 8 scikit-learn機器學習庫 2 2 機器學習基礎 2 2 1 張量 2 2 2 梯度下降 2 2 3 評估方法 2 2 4 常用數據集 2 3 本章小結 2 4 習題 第3章 樸素貝葉斯分類器 3 1 貝葉斯分類器的理論基礎 3 1 1 貝葉斯定理的相關概念 3 1 2 貝葉斯決策理論 3 1 3 極大似然估計 3 2 樸素貝葉斯分類器的原理與設計翼 3 2 1 了解數據集 3 2 2 手工設計貝葉斯分類器 3 2 3 貝葉斯分類器的Python實現 3 2 4 平滑方法 3 3 樸素貝葉斯分類演算法的實現——鱸魚和三文魚的分類系統門 3 3 1 演算法實現 3 3 2 調用系統函數實現 3 4 正態貝葉斯分類器 3 5 貝葉斯網路 3 6 本章小結 3 7 習題 第4章 k近鄰演算法與非參數估計 4 1 k近鄰演算法的原理 4 2 k近鄰演算法的應用一鳶尾花的分類 4 3 非參數估計 4 3 1 參數估計與非參數估計 4 3 2 非參數估計方法 4 3 3 非參數估計的一般推導 4 4 非參數估計演算法的實現 4 4 1 利用直方圖估計概率密度、分類 4 4 2 利用Parzen矩形窗估計概率密度、分類 4 4 3 利用Parzen正態核估計概率密度、分類 4 5 本章小結 4 6 習題 第5章 聚類 第6章 回歸分析 第7章 決策樹 第8章 支持向量機 第9章 降維分析 第10章 人工神經網路 第11章 深度學習入門 第12章 推薦演算法 第13章 綜合案例分析：基於協同過濾的推薦系統 第14章 綜合案例分析：零售商品銷售額分析與預測 第15章 綜合案例分析：手寫數字識別 第16章 綜合案例分析：基於深度學習的中文郵件分類 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
