基于scikit-learn的机器学习：算法与实践
出版时间:
2017-12
版次:
1
ISBN:
9787564176037
定价:
68.00
装帧:
平装
开本:
16开
纸张:
胶版纸
页数:
219页
-
第1章 概论
1．1 机器学习的概念
1．2 机器学习的分类
1．3 机器学习的一般步骤
1．4 本书结构
第2章 Python语言入门
2．1 Python简介
2．1．1 Python的诞生
2．2．2 Python的优缺点
2．2 Python运行环境安装配置
2．2．1 Python运行环境
2．2．2 Python集成开发环境
2．3 Python基本语法
2．3．1 Python语句
2．3．2 Python常用数据类型
2．4 Python的第三方包
2．4．1 NumPy简介
2．4．2 Matplotlib简介
2．4．3 pandas简介
2．4．4 SciPy简介
第3章 基础知识
3．1 线性代数基本知识
3．1．1 基本概念
3．1．2 矩阵分解
3．1．3 示例代码
3．2 概率论基本知识
3．2．1 基本概念
3．2．2 概率分布
3．2．3 n维随机变量
3．2．4 随机变量的数值特征
第4章 sklearn基本知识
4．1 skleam概述
4．2 主要模块
4．3 sklearn范例数据集
第5章 数据预处理
5．1 缺失值的处理
5．2 数据规范化处理
5．2．1 归一化
5．2．2 标准化
5．2．3 正则化
5．3 特征编码
5．3．1 特征二值化
5．3．2 独热编码
5．4 异常值
5．5 小结
第6章 降维
6．1 主成分分析
6．2 线性判别式分析
6．3 因子分析
6．4 算法范例
-
目录:
第1章 概论
1．1 机器学习的概念
1．2 机器学习的分类
1．3 机器学习的一般步骤
1．4 本书结构
第2章 Python语言入门
2．1 Python简介
2．1．1 Python的诞生
2．2．2 Python的优缺点
2．2 Python运行环境安装配置
2．2．1 Python运行环境
2．2．2 Python集成开发环境
2．3 Python基本语法
2．3．1 Python语句
2．3．2 Python常用数据类型
2．4 Python的第三方包
2．4．1 NumPy简介
2．4．2 Matplotlib简介
2．4．3 pandas简介
2．4．4 SciPy简介
第3章 基础知识
3．1 线性代数基本知识
3．1．1 基本概念
3．1．2 矩阵分解
3．1．3 示例代码
3．2 概率论基本知识
3．2．1 基本概念
3．2．2 概率分布
3．2．3 n维随机变量
3．2．4 随机变量的数值特征
第4章 sklearn基本知识
4．1 skleam概述
4．2 主要模块
4．3 sklearn范例数据集
第5章 数据预处理
5．1 缺失值的处理
5．2 数据规范化处理
5．2．1 归一化
5．2．2 标准化
5．2．3 正则化
5．3 特征编码
5．3．1 特征二值化
5．3．2 独热编码
5．4 异常值
5．5 小结
第6章 降维
6．1 主成分分析
6．2 线性判别式分析
6．3 因子分析
6．4 算法范例
查看详情
占位居中
