万本电子书0元读

万本电子书0元读

顶部广告

图解机器学习算法电子书

152张图表,轻松掌握17种常用算法! 没有复杂公式,零基础也可轻松读懂! 1.全面 网罗有监督学习和无监督学习的17种算法,涉及回归、分类、降维、聚类等问题。 2.直观 全彩图解,让原本抽象复杂的算法变得一目了然,方便读者快速了解各算法的特征,学会如何选择恰当的算法。 3.易懂 几乎没有数学公式和统计术语,零基础也可轻松读懂。 4.实现 各算法均用Python代码实现,基于Python 3.7版本,读者可下载配套代码资源,边试边学。

售       价:¥

纸质售价:¥59.40购买纸书

445人正在读 | 0人评论 6.5

作       者:[日]秋庭伸也,[日]杉山阿圣,[日]寺田学 著

出  版  社:人民邮电出版社有限公司

出版时间:2021-06-01

字       数:8.6万

所属分类: 科技 > 计算机/网络 > 程序设计

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
本书基于丰富的图示,详细介绍了有监督学习和无监督学习的17种算法,包括线性回归、正则化、逻辑回归、支持向量机、核方法、朴素贝叶斯、随机森林、神经网络、KNN、PCA、LSA、NMF、LDA、k-means算法、混合高斯分布、LLE和t-SNE。书中针对各算法均用Python代码行了实现,读者可一边运行代码一边阅读,从而加深对算法的理解。<br/>【推荐语】<br/>152张图表,轻松掌握17种常用算法! 没有复杂公式,零基础也可轻松读懂! 1.全面 网罗有监督学习和无监督学习的17种算法,涉及回归、分类、降维、聚类等问题。 2.直观 全彩图解,让原本抽象复杂的算法变得一目了然,方便读者快速了解各算法的特征,学会如何选择恰当的算法。 3.易懂 几乎没有数学公式和统计术语,零基础也可轻松读懂。 4.实现 各算法均用Python代码实现,基于Python 3.7版本,读者可下载配套代码资源,边试边学。<br/>【作者】<br/>秋庭伸也(作者) 日本早稻田大学硕士毕业,目前在Recruit Communications公司担任技术负责人。 杉山阿圣(作者) 具有多年研发经验,目前在AI创业公司SENSY担任机器学习研究员。 寺田学(作者) CMS Communications公司董事长、日本PyCon会议组织者、Plone基金会大使、Python工程师发展协会顾问理事、PSF(Python软件基金会)贡献成员。 郑明智(译者) 智慧医疗工程师,翻译经验丰富,有《白话机器学习的数学》《用Python动手学机器学习》等多部译著。<br/>
目录展开

版权声明

前言

目标读者

本书的主要内容

关于数学公式和符号

本书的示例代码

第 1 章 机器学习基础

1.1 机器学习概要

什么是机器学习

机器学习的种类

机器学习的应用

1.2 机器学习的步骤

数据的重要性

有监督学习(分类)的例子

无监督学习(聚类)的例子

可视化

图形的种类和画法:使用 Matplotlib 显示图形的方法

使用 pandas 理解和处理数据

本章小结

第 2 章 有监督学习

2.1 算法 1:线性回归

概述

算法说明

详细说明

2.2 算法 2:正则化

概述

算法说明

详细说明

2.3 算法 3:逻辑回归

概述

算法说明

详细说明

2.4 算法 4:支持向量机

概述

算法说明

详细说明

2.5 算法 5:支持向量机(核方法)

概述

算法说明

详细说明

2.6 算法 6:朴素贝叶斯

概述

算法说明

详细说明

2.7 算法 7:随机森林

概述

算法说明

详细说明

2.8 算法 8:神经网络

概述

算法说明

详细说明

2.9 算法 9:KNN

概述

算法说明

详细说明

第 3 章 无监督学习

3.1 算法 10:PCA

概述

算法说明

详细说明

3.2 算法 11:LSA

概述

算法说明

详细说明

3.3 算法 12:NMF

概述

算法说明

详细说明

3.4 算法 13:LDA

概述

算法说明

详细说明

3.5 算法 14:k-means 算法

概述

算法说明

详细说明

3.6 算法 15:混合高斯分布

概述

算法说明

详细说明

3.7 算法 16:LLE

概述

算法说明

详细说明

3.8 算法 17:t-SNE

概述

算法说明

详细说明

第 4 章 评估方法和各种数据的处理

4.1 评估方法

有监督学习的评估

分类问题的评估方法

回归问题的评估方法

均方误差和决定系数指标的不同

与其他算法进行比较

超参数的设置

模型的过拟合

防止过拟合的方法

将数据分为训练数据和验证数据

交叉验证

搜索超参数

4.2 文本数据的转换处理

基于单词出现次数的转换

基于 tf-idf 的转换

应用于机器学习模型

4.3 图像数据的转换处理

直接将像素信息作为数值使用

将转换后的向量数据作为输入来应用机器学习模型

第 5 章 环境搭建

5.1 Python 3 的安装

Windows

macOS

Linux

使用 Anaconda 在 Windows 上安装

5.2 虚拟环境

通过官方安装程序安装 Python 的情况

通过 Anaconda 安装 Python 的情况

5.3 第三方包的安装

什么是第三方包

安装第三方包的方法

附录

数学式的说明

矩阵运算

均值、方差、标准差

协方差、相关系数

方差 - 协方差矩阵、相关矩阵

名词解释

参考文献

作者简介

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部