孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 占位居中 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台
商品
拍卖区
在售
已售
搜索历史
搜索
高级搜索

机器学习

机器学习
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: 主编 , 副主编
出版社: 清华大学出版社
2023-07
版次: 1
ISBN: 9787302627296
定价: 59.80
装帧: 其他
开本: 16开
纸张: 胶版纸
分类: 教材教辅考试>教材>大学教材>工程技术
7 张插图图片
1人买过
  • 《机器学习》系统介绍机器学习的理论、模型和算法实现，主要内容包括机器学习实验环境的搭建、数据清洗、模型评估、监督学习的分类和回归问题、非监督学习的聚类和降维等理论介绍和底层算法实现。本书涵盖了K近邻算法、决策树、支持向量机、BP神经网络、卷积神经网络、循环神经网络、集成学习、Kmeans聚类、模糊聚类、主成分分析、独立成分分析等内容。每章均基于实战项目或案例介绍模型和算法的两种实现（scikitlearn、Keras或TensorFlow的调包实现与非调包底层代码实现），并给出相应的实验题目，以此加深读者对模型和算法的理解，提升读者对模型和算法的底层代码实现能力。 适合作为人工智能专业高年级本科生和研究生的教材，也可作为人工智能相关领域研究人员的自学教材。 第1章环境搭建

    1.1实验环境的安装与搭建

    1.1.1Anaconda的下载

    1.1.2Anaconda的安装

    1.1.3检验

    1.1.4启动

    1.2数据清洗和预处理

    1.2.1原理简介

    1.2.2算法步骤

    1.2.3实战

    1.2.4实验

    第2章模型评估

    2.1模型评估的样本集构建与评价

    2.1.1原理简介

    2.1.2样本集的构建方法

    2.1.3算法步骤

    2.1.4实战

    2.1.5实验

    2.2评估指标计算

    2.2.1原理简介

    2.2.2代码实现与实战

    2.2.3实验

    第3章分类问题

    3.1K近邻算法

    3.1.1原理简介

    3.1.2算法步骤

    3.1.3实战

    3.1.4实验

    3.2逻辑回归算法

    3.2.1原理简介

    3.2.2算法步骤

    3.2.3实战

    3.2.4实验

    3.3决策树算法

    3.3.1原理简介

    3.3.2算法步骤

    3.3.3实战

    3.3.4实验

    3.4支持向量机算法

    3.4.1原理简介

    3.4.2算法步骤

    3.4.3实战

    3.4.4实验

     

     

    3.5EM算法

    3.5.1原理简介

    3.5.2算法步骤

    3.5.3实战

    3.5.4实验

    3.6BP神经网络的分类和回归算法

    3.6.1原理简介

    3.6.2算法步骤

    3.6.3实战

    3.6.4实验

    3.7卷积神经网络分类算法

    3.7.1原理简介

    3.7.2算法步骤

    3.7.3实战

    3.7.4实验

    3.8多类分类算法

    3.8.1原理简介

    3.8.2算法步骤

    3.8.3实战

    3.8.4实验

    第4章回归问题

    4.1线性回归算法

    4.1.1原理简介

    4.1.2算法步骤

    4.1.3实战

    4.1.4实验

    4.2多项式回归算法

    4.2.1原理简介

    4.2.2算法步骤

    4.2.3实战

    4.2.4实验

    4.3支持向量回归算法

    4.3.1原理简介

    4.3.2算法步骤

    4.3.3实战

    4.3.4实验

    4.4循环神经网络算法

    4.4.1原理简介

    4.4.2算法步骤

    4.4.3实战

    4.4.4实验

    4.5集成学习： AdaBoost算法

    4.5.1原理简介和算法步骤

    4.5.2实战

    4.5.3实验

    4.6集成学习： 随机森林算法

    4.6.1原理简介

    4.6.2算法步骤

    4.6.3实战

    4.6.4实验

    第5章聚类问题

    5.1Kmeans聚类算法

    5.1.1原理简介

    5.1.2算法步骤

    5.1.3k值的选择

    5.1.4实战

    5.1.5实验

    5.2模糊聚类算法

    5.2.1原理简介

    5.2.2算法步骤

    5.2.3实战

    5.2.4实验

    5.3基于密度聚类算法

    5.3.1原理简介

    5.3.2算法步骤

    5.3.3实战

    5.3.4实验

    5.4层次聚类算法

    5.4.1原理简介

    5.4.2算法步骤

    5.4.3实战

    5.4.4实验

    第6章降维问题

    6.1主成分分析算法

    6.1.1原理简介

    6.1.2算法步骤

    6.1.3实战

    6.1.4实验

    6.2独立成分分析算法

    6.2.1原理简介

    6.2.2算法步骤

    6.2.3实战

    6.2.4实验

    参考文献

     
  • 内容简介:
    《机器学习》系统介绍机器学习的理论、模型和算法实现，主要内容包括机器学习实验环境的搭建、数据清洗、模型评估、监督学习的分类和回归问题、非监督学习的聚类和降维等理论介绍和底层算法实现。本书涵盖了K近邻算法、决策树、支持向量机、BP神经网络、卷积神经网络、循环神经网络、集成学习、Kmeans聚类、模糊聚类、主成分分析、独立成分分析等内容。每章均基于实战项目或案例介绍模型和算法的两种实现（scikitlearn、Keras或TensorFlow的调包实现与非调包底层代码实现），并给出相应的实验题目，以此加深读者对模型和算法的理解，提升读者对模型和算法的底层代码实现能力。 适合作为人工智能专业高年级本科生和研究生的教材，也可作为人工智能相关领域研究人员的自学教材。
  • 目录:
    第1章环境搭建

    1.1实验环境的安装与搭建

    1.1.1Anaconda的下载

    1.1.2Anaconda的安装

    1.1.3检验

    1.1.4启动

    1.2数据清洗和预处理

    1.2.1原理简介

    1.2.2算法步骤

    1.2.3实战

    1.2.4实验

    第2章模型评估

    2.1模型评估的样本集构建与评价

    2.1.1原理简介

    2.1.2样本集的构建方法

    2.1.3算法步骤

    2.1.4实战

    2.1.5实验

    2.2评估指标计算

    2.2.1原理简介

    2.2.2代码实现与实战

    2.2.3实验

    第3章分类问题

    3.1K近邻算法

    3.1.1原理简介

    3.1.2算法步骤

    3.1.3实战

    3.1.4实验

    3.2逻辑回归算法

    3.2.1原理简介

    3.2.2算法步骤

    3.2.3实战

    3.2.4实验

    3.3决策树算法

    3.3.1原理简介

    3.3.2算法步骤

    3.3.3实战

    3.3.4实验

    3.4支持向量机算法

    3.4.1原理简介

    3.4.2算法步骤

    3.4.3实战

    3.4.4实验

     

     

    3.5EM算法

    3.5.1原理简介

    3.5.2算法步骤

    3.5.3实战

    3.5.4实验

    3.6BP神经网络的分类和回归算法

    3.6.1原理简介

    3.6.2算法步骤

    3.6.3实战

    3.6.4实验

    3.7卷积神经网络分类算法

    3.7.1原理简介

    3.7.2算法步骤

    3.7.3实战

    3.7.4实验

    3.8多类分类算法

    3.8.1原理简介

    3.8.2算法步骤

    3.8.3实战

    3.8.4实验

    第4章回归问题

    4.1线性回归算法

    4.1.1原理简介

    4.1.2算法步骤

    4.1.3实战

    4.1.4实验

    4.2多项式回归算法

    4.2.1原理简介

    4.2.2算法步骤

    4.2.3实战

    4.2.4实验

    4.3支持向量回归算法

    4.3.1原理简介

    4.3.2算法步骤

    4.3.3实战

    4.3.4实验

    4.4循环神经网络算法

    4.4.1原理简介

    4.4.2算法步骤

    4.4.3实战

    4.4.4实验

    4.5集成学习： AdaBoost算法

    4.5.1原理简介和算法步骤

    4.5.2实战

    4.5.3实验

    4.6集成学习： 随机森林算法

    4.6.1原理简介

    4.6.2算法步骤

    4.6.3实战

    4.6.4实验

    第5章聚类问题

    5.1Kmeans聚类算法

    5.1.1原理简介

    5.1.2算法步骤

    5.1.3k值的选择

    5.1.4实战

    5.1.5实验

    5.2模糊聚类算法

    5.2.1原理简介

    5.2.2算法步骤

    5.2.3实战

    5.2.4实验

    5.3基于密度聚类算法

    5.3.1原理简介

    5.3.2算法步骤

    5.3.3实战

    5.3.4实验

    5.4层次聚类算法

    5.4.1原理简介

    5.4.2算法步骤

    5.4.3实战

    5.4.4实验

    第6章降维问题

    6.1主成分分析算法

    6.1.1原理简介

    6.1.2算法步骤

    6.1.3实战

    6.1.4实验

    6.2独立成分分析算法

    6.2.1原理简介

    6.2.2算法步骤

    6.2.3实战

    6.2.4实验

    参考文献

     
查看详情
相关分类
一年级 二年级 三年级 四年级 五年级 六年级 小升初 小学通用 初一 初二 初三 中考
相关图书 / 更多
机器学习
机器学习与智能感知
张宝昌
￥13.88 起
机器学习
机器岛
（法）儒勒·凡尔纳著 许崇山 钟燕萍译
￥29.69 起
机器学习
机器学习及深度学习算法在医学图像中的应用
朱付保 著
￥37.75 起
机器学习
机器学习实战（视频教学版）
迟殿委 王培进 王兴平
￥34.40 起
机器学习
机器人末端执行器、作业工装及输送设备设计(应用型本科规划教材.机器人技术及应用)
荆学东 编著
￥30.20 起
机器学习
机器学习及其应用2023
黄圣君、张利军、钱超
￥59.40 起
机器学习
机器学习及其硬件实现 [日]高野茂之
（日）高野茂之
￥46.08 起
机器学习
机器视觉与传感器技术
邢博闻，许竞翔，管练武
￥10.81 起
机器学习
机器学习系统设计
（越南）奇普 胡岩（Chip Huyen）
￥51.20 起
机器学习
机器人系统输出反馈控制
雷靖、宋家庆
￥6.27 起
机器学习
机器学习与数据挖掘
王璐烽 唐腾健
￥13.25 起
机器学习
机器学习在边坡稳定性评价中的应用（英文版）
Wengang Zhang//Hanlong Liu//Lin Wang//Xing Zhu//Yanmei Zhang 编者
￥98.80 起
您可能感兴趣 / 更多
机器学习
MATLAB大学教程（第2版）
肖汉光
￥7.76 起
机器学习
心血管系统动力学原理、建模与仿真应用
肖汉光、徐礼胜、李哲明 著
￥30.00 起
机器学习
MATLAB大学教程
肖汉光 编
￥1.41 起
机器学习
医护人员的火眼金睛（市场版）
肖汉光、蔡从中 著
￥0.20 起
© 2002-2024 Kongfz.com 孔夫子旧书网 版权所有
关于孔网 联系我们 帮助中心 版权隐私 广告业务 工作机会 移动版 图书目录 图书标签 热搜书籍 作家大全