Python與機器學習 陳清華 9787121479823 【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：電子工業
物品所在地：中國大陸
原出版社：電子工業
NT$375
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與機器學習 ISBN：9787121479823 出版社：電子工業 著編譯者：陳清華 頁數：296 所在地：中國大陸 *此為代購商品 書號：1664054 可大量預訂，請先連絡。 內容簡介 使用機器學習技術的產品或服務在我們的生活中不斷普及，被應用於大數據分析、智能駕駛、計算機視覺等領域，並迅速改變著我們的生活。本書以掌握一定的Python基礎為前提，從具體的10個精簡模擬項目切入，由淺入深、循序漸進地介紹機器學習技術在不同業務領域中的應用，在內容上注重實用性和可操作性，具體涵蓋了數據分析與挖掘流程、監督學習、無監督學習、深度學習、大模型與人工智慧應用等需要學生掌握的基本知識和相應技能。目錄 項目1 用餐數據異常分析任務1 用餐數據集成與處理 1 1 1 數據集成 1 1 2 數據映射 1 1 3 數據類型轉換 任務2 用餐數據重複值檢測與處理 1 2 1 檢測重複值duplicated() 1 2 2 刪除重複值drop_duplicates() 任務3 用餐數據缺失值檢測與處理 1 3 1 檢測缺失值isna() 1 3 2 處理缺失值fillna() 任務4 用餐數據異常值檢測與處理 1 4 1 檢測異常值 1 4 2 繪製散點圖scatter() 1 4 3 繪製直方圖hist() 1 4 4 繪製箱形圖boxplot() 1 4 5 處理異常值 拓展實訓：電影數據加工與處理 項目考核 項目2 碳排放數據分析 任務1 對碳排放數據進行分組分析 2 1 1 讀取Excel文件數據 2 1 2 分組分析基本概念 2 1 3 描述性統計分析指標 任務2 對碳排放數據進行分佈分析 2 2 1 分佈分析基本概念 2 2 2 數據分箱cut() 2 2 3 可視化包Seaborn 任務3 對碳排放數據進行交叉分析 2 3 1 交叉分析基本概念 2 3 2 數據透視表pivot_table() 2 3 3 交叉表crosstab() 2 3 4 熱力圖heatmap() 任務4 對碳排放數據進行結構分析 2 4 1 結構分析基本概念 2 4 2 繪製餅圖plot() 任務5 對碳排放數據進行相關分析 2 5 1 相關分析基本概念 2 5 2 相關分析corr() 拓展實訓：數據分析方法應用 應用拓展（1）：電影數據複雜分析 應用拓展（2）：用餐數據複雜分析 項目考核 項目3 電影數據回歸分析 任務1 使用一元線性回歸分析方法對日均票房進行預測 3 1 1 一元線性回歸 3 1 2 異常值的發現與處理 3 1 3 歸一化處理 3 1 4 數據集的切分 任務2 使用多項式回歸分析方法對日均票房進行預測 3 2 1 多項式回歸 3 2 2 degree參數的設置 任務3 使用多元線性回歸分析方法對電影評分進行預測 3 3 1 多元線性回歸 3 3 2 標籤映射 拓展實訓：回歸分析應用 應用拓展：薪資數據相關性分析 進階拓展：電影數據回歸分析 項目考核 項目4 性別與肥胖程度分類分析 任務1 使用邏輯回歸實現性別判定 4 1 1 邏輯回歸 4 1 2 Sklearn中的LogisticRegression() 4 1 3 數組與向量的操作 任務2 使用樸素貝葉斯實現性別判定 4 2 1 樸素貝葉斯的原理 4 2 2 Sklearn中樸素貝葉斯的實現 4 2 3 Sklearn中的GaussianNB() 4 2 4 Sklearn中的MultinomialNB() 任務3 使用決策樹實現性別判定 4 3 1 決策樹的原理 4 3 2 Sklearn中的DecisionTreeClassifier()分類器 4 3 3 分類模型常用評估指標 4 3 4 Sklearn中的模型評估方法 4 3 5 欠擬合與過擬合 任務4 使用支持向量機實現性別判定 4 4 1 支持向量機的原理 4 4 2 Sklearn中支持向量機的實現 4 4 3 Sklearn中的SVC()分類器 任務5 使用支持向量機實現肥胖程度分類 4 5 1 核函數的基本概念 4 5 2 多項式核函數的使用 拓展實訓：肥胖程度分類分析 應用拓展（1）：利用身高、體重、性別數據實現肥胖程度判定 應用拓展（2）：利用BMI實現肥胖程度分類 項目考核 項目5 鳶尾花分類分析 任務1 使用k近鄰實現鳶尾花的分類 5 1 1 k近鄰的基本原理 5 1 2 Sklearn中的KNeighborsClassifier()分類器 任務2 使用隨機森林實現鳶尾花的分類 5 2 1 集成學習方法 5 2 2 隨機森林 5 2 3 Sklearn中的RandomForestClassifier()分類器 任務3 使用Tensorflow設計神經網路實現鳶尾花的分類 5 3 1 人工神經網路 5 3 2 認識TensorFlow 5 3 3 神經網路參數優化 任務4 使用多層感知機實現鳶尾花的分類 5 4 1 神經網路的基本原理 5 4 2 多層感知機 5 4 3 Sklearn中的MLPClassifier()分類器 拓展實訓：回歸與分類應用 應用拓展（1）：設計神經網路預測花瓣寬度 應用拓展（2）：利用身高、體重、性別數據實現肥胖程度分類 項目考核 項目6 觀影用戶聚類分析 任務1 使用DBSCAN確定聚類的質心個數 6 1 1 DBSCAN的優缺點 6 1 2 Sklearn中的DBSCAN() 任務2 使用k-Means對觀影用戶進行聚類 6 2 1 k-Means的基本概念 6 2 2 k-Means的特點 6 2 3 Sklearn中的KMeans() 拓展實訓：根據身高、體重和性別對用戶進行聚類 項目考核 項目7 超市零售數據關聯規則挖掘 任務1 對超市零售數據做預處理 任務2 使用Apriori演算法實現超市零售數據關聯規則挖掘 7 2 1 購物籃分析 7 2 2 頻繁項集 7 2 3 關聯規則 7 2 4 Apriori演算法 7 2 5 強關聯規則 任務3 調用apyori庫實現超市零售數據關聯規則挖掘 7 3 1 apyori庫 7 3 2 Apri 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。 |
