首页 > 图书中心 >图书详情

机器学习(Python+sklearn+TensorFlow 2.0)-微课视频版

提供课件、大纲、教案、源码、竞赛实录、微课视频、数据集等配套资源,咨询QQ:860958902(仅限教师)零基础学习机器学习,从示例入手逐步学会算法推导,做好书中的两个综合实践项目就可以精准地把握算法运行的细节、理解数据的变化过程。

作者:王衡军
定价:69.90
印次:1-1
ISBN:9787302559283
出版日期:2020.09.01
印刷日期:2020.08.19

本书讨论了机器学习的基本问题和基本算法。从方便学习的目的出发,本书主要以聚类任务、回归任务、分类任务、标注任务、概率模型、神经网络模型、深度学习模型七个主题对相关内容进行组织。前四个主题以机器学习的四个主要任务为核心讨论相关算法及基础知识。概率类模型和神经网络类模型可以完成聚类、回归、分类和标注等多类任务,但它们各有自成体系的基础知识,因此各设一个主题进行集中讨论,可能更方便读者理解。深度学习模型属于神经网络模型,但它具有明显的特征和广泛的应用,是机器学习领域的后起之秀

more >

前言 本书讨论了机器学习的基本问题和基本算法。从方便学习的目的出发,本书主要以聚类任务、回归任务、分类任务、标注任务、概率模型、神经网络模型、深度学习模型七个主题对相关内容进行组织。前四个主题以机器学习的四个主要任务为核心,讨论相关算法及基础知识。概率类模型和神经网络类模型可以完成聚类、回归、分类和标注等多类任务,但它们各有自成体系的基础知识,因此各设一个主题进行集中讨论,更方便读者理解。深度学习模型属于神经网络模型,是机器学习领域的后起之秀,对机器学习的兴起起到了至关重要的推动作用,单独设一个主题来讨论。此外,还单独设立一个主题对机器学习在工程应用中的特征工程、降维和超参数调优等问题进行讨论。 本书面向的读者是初学者,在讨论具体算法时,采用以示例入手、逐步推进的方式,并尽量给出详尽的推导。本书没有采用伪代码的方式来介绍算法流程,而是用文字说明加示例程序的方式。通过文字说明,读者可以从总体上理解算法运行过程。通过运行示例程序,读者可以精准地把握算法运行的细节、理解数据的变化过程。本书的示例代码基于Python 3语言实现,并按需使用了ScikitLearn(sklearn)机器学习和TensorFlow 2.0深度学习等模块。 本书不要求读者具有深厚的数学基础,但应理解导数、矩阵、概率等基本概念。读者还应具备基本的编程能力,能够探索运行本书的配套示例程序。 由于时间有限,书中如有错误,望读者和专家不吝赐教。 作者2020年8月

more >
扫描二维码
下载APP了解更多

同系列产品more >

KVM+Docker+OpenStack实战——虚拟...

王金恒、刘卓华、王煜林
定 价:49.80元

查看详情
人工智能概论

肖汉光、王勇 主编,黄
定 价:39.80元

查看详情
人工智能算法与实战(Python+PyTor...

于祥雨、李旭静、邵新平
定 价:59.90元

查看详情
大数据技术与应用-微课视频版

肖政宏 李俊杰 谢志明
定 价:49.80元

查看详情
大数据可视化技术与应用-微课视频版...

黄源、蒋文豪、徐受蓉、
定 价:49.80元

查看详情
图书分类全部图书
more >

  • 本书讲解细致准确,案例易于理解,全书讲述了机器学习常见任务模型的算法及应用,实用性强。


more >
  • 源码资源 下载 目录 第1章绪论 1.1机器学习是什么 1.2机器学习算法 1.2.1机器学习算法分类 1.2.2机器学习算法的术语 1.3本书的学习之路 1.4编程环境及工具包 第2章聚类 2.1k均值聚类算法及应用示例 2.1.1算法及实现 2.1.2在手机机主身份识别中的应用示例 2.1.3进一步讨论 2.1.4改进算法 2.2聚类算法基础 2.2.1聚类任务 2.2.2样本点常用距离度量 2.2.3聚类算法评价指标 2.2.4聚类算法分类 2.3DBSCAN及其派生算法 2.3.1相关概念及算法流程 2.3.2邻域参数ε和MinPts的确定 2.3.3OPTICS算法 2.4AGNES算法 2.4.1簇之间的距离度量 2.4.2算法流程 2.5练习题 第3章回归 3.1回归任务、评价与线性回归模型 3.1.1回归任务 3.1.2线性回归模型与回归评价指标 3.1.3最小二乘法求解线性回归模型 3.2机器学习中的最优化方法 3.2.1最优化模型 3.2.2迭代法 3.2.3梯度下降法 3.2.4全局最优与凸优化 3.2.5牛顿法 3.3多项式回归 3.4过拟合与泛化 3.4.1欠拟合、过拟合与泛化能力 3.4.2泛化能力评估方法 3.4.3过拟合抑制 3.5向量相关性与岭回归 ...

精彩书评more >

标题

评论

版权所有(C)2019 清华大学出版社有限公司 京ICP备10035462号 京公网安备11010802013248号

联系我们 | 网站地图 | 法律声明 | 友情链接 | 盗版举报 | 人才招聘