Python機(jī)器學(xué)習(xí)入門：機(jī)器學(xué)習(xí)算法的理論與實(shí)踐

定　價(jià)：￥79.00

作　者：	[日] 大曾根圭輔，關(guān)喜史，米田武著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787111696650	出版時(shí)間：	2022-03-01	包裝：
開本：	16開	頁數(shù)：	188	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《Python機(jī)器學(xué)習(xí)入門：機(jī)器學(xué)習(xí)算法的理論與實(shí)踐》全面細(xì)致地講解了機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)及其應(yīng)用，具體內(nèi)容包括機(jī)器學(xué)習(xí)中必要的環(huán)境搭建和Python的基礎(chǔ)知識(shí)、有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的理論及其實(shí)際應(yīng)用案例、有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的機(jī)器學(xué)習(xí)模式，并以理論結(jié)合公式的方式講解了Python代碼的編寫方法，以及數(shù)據(jù)的采集、處理和實(shí)際操作中機(jī)器學(xué)習(xí)的模式。本書適合人工智能、機(jī)器學(xué)習(xí)方向的學(xué)生和技術(shù)人員學(xué)習(xí)、使用，也適合廣大人工智能愛好者閱讀。

作者簡(jiǎn)介

暫缺《Python機(jī)器學(xué)習(xí)入門：機(jī)器學(xué)習(xí)算法的理論與實(shí)踐》作者簡(jiǎn)介

圖書目錄

目錄
譯者的話
原書前言
第1章閱讀本書前的準(zhǔn)備
1.1Python的安裝
1.1.1何為Python
1.1.2Homebrew的安裝
1.1.3Python3的安裝
1.1.4虛擬環(huán)境的創(chuàng)建
1.1.5為何使用venv（為何不用pyenv、anaconda）
1.2Python的使用方法
1.2.1輸出Hello World！
1.2.2IPython的使用
1.2.3四則運(yùn)算
1.2.4字符串的使用
1.2.5列表類型的使用
1.2.6字典類型的使用
1.2.7其他數(shù)據(jù)類型
1.2.8條件分支
1.2.9循環(huán)
1.2.10函數(shù)的使用
1.2.11類的使用
1.2.12標(biāo)準(zhǔn)庫的使用
1.3Jupyter Notebook的安裝和使用
1.3.1Jupyter Notebook的安裝和啟動(dòng)
1.3.2Jupyter Notebook的使用
1.4NumPy、scikit-learn、matplotlib、Pandas的使用
1.4.1NumPy的安裝和使用
1.4.2scikit-learn的安裝和使用
1.4.3matplotlib的安裝和使用
1.4.4Pandas的安裝和使用
第2章機(jī)器學(xué)習(xí)在實(shí)際中的使用
2.1在工作中運(yùn)用機(jī)器學(xué)習(xí)
2.1.1關(guān)于機(jī)器學(xué)習(xí)
2.1.2輸入輸出的格式化
2.1.3分析任務(wù)的本質(zhì)
2.1.4實(shí)際問題的分析案例
2.2用樣本數(shù)據(jù)嘗試有監(jiān)督學(xué)習(xí)
2.2.1嘗試分類的案例
2.2.2運(yùn)用決策樹分類
2.2.3嘗試解決實(shí)際問題
2.2.4解決實(shí)際問題的注意要點(diǎn)
2.3用樣本數(shù)據(jù)嘗試無監(jiān)督學(xué)習(xí)
2.3.1無監(jiān)督學(xué)習(xí)
2.3.2使用樣本嘗試scikit-learn
2.4小結(jié)
第3章機(jī)器學(xué)習(xí)基礎(chǔ)理論
3.1數(shù)學(xué)知識(shí)的準(zhǔn)備
3.1.1本節(jié)的學(xué)習(xí)流程
3.1.2為什么數(shù)學(xué)是必要的
3.1.3集合和函數(shù)基礎(chǔ)
3.1.4線性代數(shù)基礎(chǔ)
3.1.5微分基礎(chǔ)
3.1.6概率統(tǒng)計(jì)基礎(chǔ)
3.2機(jī)器學(xué)習(xí)的基礎(chǔ)
3.2.1機(jī)器學(xué)習(xí)的目的
3.2.2技術(shù)性的假設(shè)和用語
3.2.3有監(jiān)督學(xué)習(xí)概述
3.2.4從泛化誤差看有監(jiān)督學(xué)習(xí)
3.2.5無監(jiān)督學(xué)習(xí)概述
3.3有監(jiān)督學(xué)習(xí)
3.3.1分類模型的精度評(píng)價(jià)
3.3.2邏輯回歸
3.3.3神經(jīng)網(wǎng)絡(luò)
3.3.4梯度提升決策樹
3.4無監(jiān)督學(xué)習(xí)
3.4.1混合高斯模型
3.4.2k-均值
3.4.3層次聚類
3.4.4核密度估計(jì)
3.4.5t-SNE
第4章數(shù)據(jù)的整合與處理
4.1機(jī)器學(xué)習(xí)中數(shù)據(jù)的使用流程
4.2數(shù)據(jù)的獲取和整合
4.2.1數(shù)據(jù)結(jié)構(gòu)的理解
4.2.2從結(jié)構(gòu)化數(shù)據(jù)中讀取數(shù)據(jù)
4.2.3讀取數(shù)據(jù)
4.2.4分組聚合
4.2.5時(shí)間格式的操作方法
4.2.6合并
4.3數(shù)據(jù)的格式化
4.3.1數(shù)據(jù)種類的理解
4.3.2標(biāo)準(zhǔn)化
4.3.3缺省值
4.4非結(jié)構(gòu)化數(shù)據(jù)的處理
4.4.1文本數(shù)據(jù)的預(yù)處理
4.4.2終端中MeCab的應(yīng)用
4.4.3Python中MeCab的應(yīng)用
4.4.4圖片數(shù)據(jù)的處理
4.5不平衡數(shù)據(jù)的處理
4.5.1分類問題中的不平衡數(shù)據(jù)
4.5.2數(shù)據(jù)不平衡問題
4.5.3一般的處理方法
4.5.4樣本權(quán)重的調(diào)整
4.5.5降采樣法