機器學習-全彩圖解+微課+Python編程 姜偉生 9787302666769 【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
NT$1,514
商品編號:
供貨狀況: 尚有庫存

此商品參與的優惠活動

加入最愛
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:202408*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:機器學習-全彩圖解+微課+Python編程
ISBN:9787302666769
出版社:清華大學
著編譯者:姜偉生
叢書名:鳶尾花數學大系
頁數:534
所在地:中國大陸 *此為代購商品
書號:1662546
可大量預訂,請先連絡。

內容簡介

本書是「鳶尾花數學大系:從加減乘除到機器學習」叢書的最後一冊,前六本解決了編程、可視化、數學、數據方面的諸多問題,而本書將開啟機器學習經典演算法的學習之旅。 本書設置了24個話題,對應四大類機器學習經典演算法(回歸、分類、降維、聚類),覆蓋演算法包括:回歸分析、多元線性回歸、非線性回歸、正則化回歸、貝葉斯回歸、高斯過程、k最近鄰分類、樸素貝葉斯分類、高斯判別分析、支持向量機、核技巧、決策樹、主成分分析、截斷奇異值分解、主成分分析進階、主成分分析與回歸、核主成分分析、典型相關分析、k均值聚類、高斯混合模型、最大期望演算法、層次聚類、密度聚類、譜聚類。 本書選取演算法模型的目標是覆蓋Scikit-Learn庫的常用機器學習演算法函數,讓讀者充分理解演算法理論,又能聯繫實際應用。因此,在學習本書時,特別希望調用Scikit-Learn各種函數來解決問題之餘,更要理解演算法背後的數學工具。因此,本書給出適度的數學推導以及擴展閱讀。 本書提供代碼示例和視頻講解,「鳶尾花書」強調在JupyterLab自主探究學習才能提高編程技能。本書配套微課也主要以配套JupyterNotebooks為核心,希望讀者邊看視頻,邊動手練習。 本書讀者群包括所有試圖用機器學習解決問題的朋友,尤其適用於機器學習入門、初級程序員轉型、高級數據分析師、機器學習進階。

作者簡介

姜偉生,博士,勤奮的小鎮做題家,熱愛知識可視化和開源分享。自2022年8月開始,在GitHub上開源「鳶尾花書」學習資源,截至2023年5月,已經分享3000多頁PDF、3000多幅矢量圖、約1000個代碼文件,全球讀者數以萬計。

目錄

緒論
第1板塊 綜述
第1章 機器學習
1 1 什麼是機器學習
1 2 回歸:找到自變數與因變數關係
1 3 分類:針對有標籤數據
1 4 降維:降低數據維度,提取主要特徵
1 5 聚類:針對無標籤數據
1 6 機器學習流程
1 7 下一步學什麼?
第2板塊 回歸
第2章 回歸分析
2 1 線性回歸:一個表格、一條直線
2 2 方差分析(ANOVA)
2 3 總離差平方和(SST)
2 4 回歸平方和(SSR)
2 5 殘差平方和(SSE)
2 6 幾何視角:勾股定理
2 7 擬合優度:評價擬合程度
2 8 F檢驗:模型參數不全為
2 9 t檢驗:某個回歸係數是否為
2 10 置信區間:因變數均值的區間
2 11 預測區間:因變數特定值的區間
2 12 對數似然函數:用在最大似然估計(MLE)
2 13 信息準則:選擇模型的標準
2 14 殘差分析:假設殘差服從均值為0的正態分佈
2 15 自相關檢測:Durbin-Watson
2 16 條件數:多重共線性
第3章 多元線性回歸
3 1 多元線性回歸
3 2 優化問題:OLS
3 3 幾何解釋:投影
3 4 二元線性回歸實例
3 5 多元線性回歸實例
3 6 正交關係
3 7 三個平方和
3 8 t檢驗
3 9 多重共線性
3 10 條件概率視角看多元線性回歸
第4章 非線性回歸
4 1 線性回歸
4 2 線性對數模型
4 3 非線性回歸
4 4 多項式回歸
4 5 邏輯回歸
4 6 邏輯函數完成分類問題
第5章 正則化回歸
5 1 正則化:抑制過擬合
5 2 嶺回歸
5 3 幾何角度看嶺回歸
5 4 套索回歸
5 5 幾何角度看套索回歸
5 6 彈性網路回歸
第6章 貝葉斯回歸
6 1 回顧貝葉斯推斷
6 2 貝葉斯回歸:無信息先驗
6 3 使用PyMC完成貝葉斯回歸
6 4 貝葉斯視角理解嶺正則化
6 5 貝葉斯視角理解套索正則化
第7章 高斯過程
7 1 高斯過程原理
7 2 解決回歸問題
7 3 解決分類問題
第3板塊 分類
第8章 k最近鄰分類
8 1 k最近鄰分類原理:近朱者赤,近墨者黑
8 2 二分類:非紅,即藍
8 3 三分類:非紅,要麼藍,要麼灰
8 4 近鄰數量k影響投票結果
8 5 投票權重:越近,影響力越高
8 6 最近質心分類:分類邊界為中垂線
8 7 k-NN回歸:非參數回歸
第9章 樸素貝葉斯分類
9 1 重逢貝葉斯
9 2 樸素貝葉斯的「樸素」之處
9 3 高斯,你好
第10章 高斯判別分析
10 1 又見高斯
10 2 六類協方差矩陣
10 3 決策邊界解析解
10 4 第一類
10 5 第二類
10 6 第三類
10 7 第四類
10 8 第五類
10 9 第六類
10 10 線性和二次判別分析
第11章 支持向量機
11 1 支持向量機
11 2 硬間隔:處理線性可分
11 3 構造優化問題
11 4 支持向量機處理二分類問題
11 5 軟間隔:處理線性不可分
第12章 核技巧
12 1 映射函數:實現升維
12 2 核技巧SVM優化問題
12 3 線性核:最基本的核函數
12 4 多項式核
12 5 二次核:二次曲面
12 6 三次核:三次曲面
12 7 高斯核:基於徑向基函數
12 8 Sigmoid核
第13章 決策樹
13 1 決策樹:可以分類,也可以回歸
13 2 信息熵:不確定性度量
13 3 信息增益:通過劃分,提高確定度
13 4 基尼指數:指數越大,不確定性越高
13 5 最大葉節點:影響決策邊界
13 6 最大深度:控制樹形大小
第4板塊 降維
第14章 主成分分析
14 1 主成分分析
14 2 原始數據
14 3 特徵值分解
14 4 正交空間
14 5 投影結果
14 6 還原
14 7 雙標圖
14 8 陡坡圖
第15章 截斷奇異值分解
15 1 幾何視角看奇異值分解
15 2 四種SVD分解
15 3 幾何視角看截斷型SVD
15 4 優化視角看截斷型SVD
15 5 分析鳶尾花照片
第16章 主成分分析進階
16 1 從「六條技術路線」說起
16 2 協方差矩陣:中心化數據
16 3 格拉姆矩陣:原始數據
16 4 相關性係數矩陣:標準化數據
第17章 主成分分析與回歸
17 1 正交回歸
17 2 一元正交回歸
17 3 幾何角度看正交回歸
17 4 二元正交回歸
17 5 多元正交回歸
17 6 主元回歸
17 7 偏最小二乘回歸
第18章 核主成分分析
18 1 核主成分分析
18 2 從主成分分析說起
18 3 用核技巧完成核主成分分析
第19章 典型相關分析
19 1 典型相關分析原理
19 2 從一個協方差矩陣考慮
19 3 以鳶尾花數據為例
第5板塊 聚類
第20章 K均值聚類
20 1 K均值聚類
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。
規格說明
運送方式
已加入購物車
已更新購物車
網路異常,請重新整理