本书特色： 理论与实践并重、站在工程与科技的前沿； 提供书中全部程序源代码，可快速阶到实用阶段； 由浅深，理论结合实际，案例丰富实用； 取材科学、结构严谨、实用性突出。
售 价：¥
纸质售价：¥89.80购买纸书
6.4
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
内容简介
前言
目 录
第1章 在数据上的计算机学习能力
1.1 转换机器学习
1.2 三种不同类型的机器学习
1.3 评估机器学习模型
1.4 数据预处理、特征工程和特征学习
1.5 过拟合和欠拟合
1.6 机器学习工作流程
1.7 应用Python解决机器学习问题
1.8 用于机器学习的软件包
第2章 简单的机器学习分类算法
2.1 机器学习的早期历史——人工神经网络
2.2 感知机分类鸢尾
2.3 自适应神经学习
2.4 大规模机器学习与随机梯度下降
第3章 sklearn机器学习分类器
3.1 分类器的选择
3.2 训练感知器
3.3 基于逻辑回归的分类概率建模
3.4 支持向量机最大化分类间隔
3.5 核SVM解决非线性分类问题
3.6 决策树
3.7 K近邻算法
3.8 贝叶斯算法
第4章 数据预处理
4.1 数据清洗
4.2 对某一列编码
4.3 划分训练集与测试集
4.4 数据特征缩放
4.5 特征选择
第5章 降维实现数据压缩
5.1 数据降维
5.2 主成分降维
5.3 线性判别分析监督数据压缩
5.4 非线性映射核主成分降维
第6章 不同模型的集成学习
6.1 集成学习
6.2 多投票机制组合分类器
6.3 Bagging算法
6.4 Boosting模型
6.5 Stacking模型
第7章 连续变量的回归分析
7.1 线性回归
7.2 最小二乘线性回归
7.3 使用RANSAC算法拟合健壮回归模型
7.4 线性回归模型性能的评估
7.5 利用正则化方法进行回归
7.6 将线性回归模型转换为多项式回归
7.7 用随机森林处理非线性关系
第8章 数据的聚类分析
8.2 层次聚类
8.3 DBSCAN算法
第9章 从单层到多层的人工神经网络
9.1 人工神经网络建模复杂函数
9.2 识别手写数字
第10章 使用深度卷积神经网络实现图像分类
10.1 构建卷积神经网络
10.2 使用LeNet-5实现图像分类
10.3 使用AlexNet实现图片分类
10.4 VGG16的迁移学习实现
10.5 使用OpenCV实现人脸识别
10.6 使用OpenCV实现网络迁移
第11章 使用循环神经网络实现序列建模
11.1 RNN
11.2 双向循环神经网络
11.3 Seq2Seq模型序列分析
第12章 使用生成对抗网络合成新数据
12.1 GAN原理
12.2 GAN应用
12.3 强化学习
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
