数据挖掘与机器学习/大数据专业应用型人才培养规划教材

数据挖掘与机器学习/大数据专业应用型人才培养规划教材
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者: ,
2020-01
版次: 1
ISBN: 9787534188916
定价: 43.80
装帧: 平装
开本: 16开
纸张: 胶版纸
页数: 167页
41人买过
  •   《数据挖掘与机器学习/大数据专业应用型人才培养规划教材》采用理论与实践相结合的方式,介绍数据挖掘与机器学习的基础知识,力求培养读者数据思维能力。《数据挖掘与机器学习/大数据专业应用型人才培养规划教材》共9章,阐述了数据挖掘与机器学习的核心概念与技术,以及运用这些技术分析实际问题的思路。书中还介绍了9个综合性的案例,其难易程度和侧重点与书中各章的知识点相匹配。
      第1章介绍数据挖掘的基本概念、功能与应用领域,使读者掌握数据挖掘的基本理念、流程和方法。第2章介绍Pandas模块的语法结构,并通过对自行车行驶数据与服务热线数据的分析,使读者掌握通过Pandas模块对数据进行统计分析的方法。第3章介绍机器学习的框架,以及Skleam模块的语法结构,使读者掌握搭建机器学习流水线的方法。第4章介绍分类算法与应用,使读者掌握通过Skleam模块搭建一个分类器并实现分类功能的方法。第5章介绍回归算法与应用,使读者掌握通过Skleam模块搭建一个回归模型并实现回归功能的方法。第6章介绍无监督学习,使读者掌握通过Skleam模块搭建一个聚类模型并实现聚类功能的方法。第7章介绍关联规则和协同过滤,使读者掌握通过这些算法实现电影推荐的方法。第8章介绍图像数据分析的相关技术,使读者掌握进行图像特征提取和人脸识别的方法。第9章介绍自然语言处理与NLTK的相关技术,使读者掌握进行文本特征提取和文本分类的方法。
      《数据挖掘与机器学习/大数据专业应用型人才培养规划教材》可作为各类高校数据挖掘与机器学习的课程教材,也可供对数据挖掘和机器学习感兴趣的读者学习参考。 第1章 数据挖掘概述
    1.1 数据分析技术发展简介
    1.2 数据挖掘的概念
    1.3 数据挖掘的功能与应用领域
    1.4 数据挖掘的模型
    1.5 数据挖掘的数据类型
    1.6 数据挖掘的交叉学科

    第2章 Pandas数据分析
    2.1 Pandas与数据分析
    2.2 Pandas统计案例分析

    第3章 机器学习
    3.1 数据挖掘中的机器学习
    3.2 机器学习的模型
    3.3 模型的评判和保存
    3.4 支持向量机
    3.5 过拟合问题

    第4章 分类算法与应用
    4.1 数据挖掘分类问题
    4.2 概率模型
    4.3 朴素贝叶斯分类
    4.4 向量空间模型
    4.5 KNN算法
    4.6 多类问题

    第5章 回归算法与应用
    5.1 回归预测问题
    5.2 线性回归
    5.3 岭回归和Lasso回归
    5.4 逻辑回归

    第6章 无监督学习
    6.1 无监督学习问题
    6.2 划分聚类
    6.3 层次聚类
    6.4 聚类效果评测
    6.5 降维

    第7章 关联规则和协同过滤
    7.1 关联规则
    7.2 Apriori算法
    7.3 协同过滤

    第8章 图像数据分析
    8.1 图像数据的相关概念
    8.2 图像数据分析方法
    8.3 图像数据分析案例

    第9章 自然语言处理与NLTK
    9.1 自然语言处理概述
    9.2 MTK入门基础
    9.3 NITK文本分析
  • 内容简介:
      《数据挖掘与机器学习/大数据专业应用型人才培养规划教材》采用理论与实践相结合的方式,介绍数据挖掘与机器学习的基础知识,力求培养读者数据思维能力。《数据挖掘与机器学习/大数据专业应用型人才培养规划教材》共9章,阐述了数据挖掘与机器学习的核心概念与技术,以及运用这些技术分析实际问题的思路。书中还介绍了9个综合性的案例,其难易程度和侧重点与书中各章的知识点相匹配。
      第1章介绍数据挖掘的基本概念、功能与应用领域,使读者掌握数据挖掘的基本理念、流程和方法。第2章介绍Pandas模块的语法结构,并通过对自行车行驶数据与服务热线数据的分析,使读者掌握通过Pandas模块对数据进行统计分析的方法。第3章介绍机器学习的框架,以及Skleam模块的语法结构,使读者掌握搭建机器学习流水线的方法。第4章介绍分类算法与应用,使读者掌握通过Skleam模块搭建一个分类器并实现分类功能的方法。第5章介绍回归算法与应用,使读者掌握通过Skleam模块搭建一个回归模型并实现回归功能的方法。第6章介绍无监督学习,使读者掌握通过Skleam模块搭建一个聚类模型并实现聚类功能的方法。第7章介绍关联规则和协同过滤,使读者掌握通过这些算法实现电影推荐的方法。第8章介绍图像数据分析的相关技术,使读者掌握进行图像特征提取和人脸识别的方法。第9章介绍自然语言处理与NLTK的相关技术,使读者掌握进行文本特征提取和文本分类的方法。
      《数据挖掘与机器学习/大数据专业应用型人才培养规划教材》可作为各类高校数据挖掘与机器学习的课程教材,也可供对数据挖掘和机器学习感兴趣的读者学习参考。
  • 目录:
    第1章 数据挖掘概述
    1.1 数据分析技术发展简介
    1.2 数据挖掘的概念
    1.3 数据挖掘的功能与应用领域
    1.4 数据挖掘的模型
    1.5 数据挖掘的数据类型
    1.6 数据挖掘的交叉学科

    第2章 Pandas数据分析
    2.1 Pandas与数据分析
    2.2 Pandas统计案例分析

    第3章 机器学习
    3.1 数据挖掘中的机器学习
    3.2 机器学习的模型
    3.3 模型的评判和保存
    3.4 支持向量机
    3.5 过拟合问题

    第4章 分类算法与应用
    4.1 数据挖掘分类问题
    4.2 概率模型
    4.3 朴素贝叶斯分类
    4.4 向量空间模型
    4.5 KNN算法
    4.6 多类问题

    第5章 回归算法与应用
    5.1 回归预测问题
    5.2 线性回归
    5.3 岭回归和Lasso回归
    5.4 逻辑回归

    第6章 无监督学习
    6.1 无监督学习问题
    6.2 划分聚类
    6.3 层次聚类
    6.4 聚类效果评测
    6.5 降维

    第7章 关联规则和协同过滤
    7.1 关联规则
    7.2 Apriori算法
    7.3 协同过滤

    第8章 图像数据分析
    8.1 图像数据的相关概念
    8.2 图像数据分析方法
    8.3 图像数据分析案例

    第9章 自然语言处理与NLTK
    9.1 自然语言处理概述
    9.2 MTK入门基础
    9.3 NITK文本分析
查看详情
相关图书 / 更多
数据挖掘与机器学习/大数据专业应用型人才培养规划教材
数据中心经营之道 唐汝林 等
唐汝林 等
数据挖掘与机器学习/大数据专业应用型人才培养规划教材
数据管理十讲 袁野 崔斌 李战怀 等
袁野 崔斌 李战怀 等
数据挖掘与机器学习/大数据专业应用型人才培养规划教材
数据要素教程
杨东 白银 著
数据挖掘与机器学习/大数据专业应用型人才培养规划教材
数据确权的理论基础探索
彭诚信、史晓宇 著
数据挖掘与机器学习/大数据专业应用型人才培养规划教材
数据经济学
赵昌文,戎珂
数据挖掘与机器学习/大数据专业应用型人才培养规划教材
数据挖掘竞赛实战:方法与案例
许可乐
数据挖掘与机器学习/大数据专业应用型人才培养规划教材
数据要素估值
刘赛红、吕颖毅、王连军
数据挖掘与机器学习/大数据专业应用型人才培养规划教材
数据驱动的物流选址与调度模型及其实践
木仁 徐志强
数据挖掘与机器学习/大数据专业应用型人才培养规划教材
数据存储架构与技术(第2版)
舒继武
数据挖掘与机器学习/大数据专业应用型人才培养规划教材
数据定价策略与优化研究
喻海飞
数据挖掘与机器学习/大数据专业应用型人才培养规划教材
数据与人工智能驱动型公司:用数据和人工智能升级企业
(西) 理查德·本杰明(Richard Benjamins)
数据挖掘与机器学习/大数据专业应用型人才培养规划教材
数据库管理系统原理与实现
杜小勇、陈红、卢卫
您可能感兴趣 / 更多