• 可以使用搜索框,搜索指定的书籍!
  • 终于有Python的书籍了,暂时没人访问😢

机器学习实战

AI书籍 wanyahai 3个月前 (09-29) 131次浏览 0个评论 扫描二维码

机器学习是人工智能研究领域中一个极其重要的研究方向,在现今的大数据时代背景下,捕获数据并从中萃取有价值的信息或模式,成为各行业求生存、谋发展的决定性手段,这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。
本书第一部分主要介绍机器学习基础,以及如何利用算法进行分类,并逐步介绍了多种经典的监督学习算法,如 k 近邻算法、朴素贝叶斯算法、Logistic 回归算法、支持向量机、AdaBoost 集成方法、基于树的回归算法和分类回归树(CART)算法等。第三部分则重点介绍无监督学习及其一些主要算法:k 均值聚类算法、Apriori 算法、FP-Growth 算法。第四部分介绍了机器学习算法的一些附属工具。
全书通过精心编排的实例,切入日常工作任务,摒弃学术化语言,利用高效的可复用 Python 代码来阐释如何处理统计数据,进行数据分析及可视化。通过各种实例,读者可从中学会机器学习的核心算法,并能将其运用于一些策略性任务中,如分类、预测、推荐。另外,还可用它们来实现一些更高级的功能,如汇总和简化等。

机器学习是人工智能研究领域中一个极其重要的研究方向,在现今的大数据时代背景下,捕获数据并从中萃取有价值的信息或模式,成为各行业求生存、谋发展的决定性手段,这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。
本书第一部分主要介绍机器学习基础,以及如何利用算法进行分类,并逐步介绍了多种经典的监督学习算法,如 k 近邻算法、朴素贝叶斯算法、Logistic 回归算法、支持向量机、AdaBoost 集成方法、基于树的回归算法和分类回归树(CART)算法等。第三部分则重点介绍无监督学习及其一些主要算法:k 均值聚类算法、Apriori 算法、FP-Growth 算法。第四部分介绍了机器学习算法的一些附属工具。
全书通过精心编排的实例,切入日常工作任务,摒弃学术化语言,利用高效的可复用 Python 代码来阐释如何处理统计数据,进行数据分析及可视化。通过各种实例,读者可从中学会机器学习的核心算法,并能将其运用于一些策略性任务中,如分类、预测、推荐。另外,还可用它们来实现一些更高级的功能,如汇总和简化等。

第一部分 分类
第 1 章 机器学习基础
第 2 章 k-近邻算法
第 3 章 决策树
第 4 章 基于概率论的分类方法:朴素贝叶斯
第 5 章 Logistic 回归
第 6 章 支持向量机
第 7 章 利用 AdaBoost 元算法提高分类
第二部分 利用回归预测数值型数据
第 8 章 预测数值型数据:回归
第 9 章 树回归
第三部分 无监督学习
第 10 章 利用 K-均值聚类算法对未标注数据分组
第 11 章 使用 Apriori 算法进行关联分析
第 12 章 使用 FP-growth 算法来高效发现频繁项集
第四部分 其他工具
第 13 章 利用 PCA 来简化数据
第 14 章 利用 SVD 简化数据
第 15 章 大数据与 MapReduce
附录 A  Python 入门  
附录 B  线性代数  
附录 C  概率论复习  
附录 D  资源  
索引  
版权声明  


本站大部分内容收集于互联网,只做学习和交流使用,版权归原作者所有。本站发布的内容若侵犯到您的权益,请联系本站处理。
喜欢 (0)
发表我的评论
取消评论
表情 贴图 加粗 删除线 居中 斜体 签到

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址