| 失效链接处理 |
|
机器学习(fn)pȝ设计Qpython语言实现 PDF 下蝲
下蝲地址Q?/span>
版权归出版社和原作者所有，链接已删除，误买正?/b>
用户下蝲说明Q?/strong>
?sh)子版仅供预览，下蝲?4时内务必删除，支持正版Q喜Ƣ的误买正版书c：(x)
https://product.dangdang.com/614948974.html
相关截图Q?br />  资料介：(x) 机器学习(fn)模型不能l出准确l果的原因有很多。从设计的角度来审视q些pȝQ我们能够深入理解其底层法和可用的优化Ҏ(gu)。本书ؓ(f)我们提供了机器学?fn)设计过E的坚实基础Q能够我们为特定问题徏立v定制的机器学?fn)模型。我们可能已l了解或使用q一些ؓ(f)解决常见问题的商用机器学?fn)模型，例如垃圾邮g或?sh)媄分Q但是要着手于解决更ؓ(f)复杂的问题，则其重点是让q些模型适用于我们自q定的需求?/span> 资料目录Q?br /> 前言 W?章 机器学习(fn)的思维1 1.1 人机界面1 1.2 设计原理4 1.2.1 问题的类? 1.2.2 问题是否正确7 1.2.3 d8 1.2.4 l一建模语言27 1.3 ȝ31 W?章 工具和技?2 2.1 Python与机器学?3 2.2 IPython控制?3 2.3 安装SciPy?4 2.4 NumPy35 2.4.1 构造和变换数组38 2.4.2 数学q算39 2.5 Matplotlib41 2.6 Pandas45 2.7 SciPy47 2.8 Scikit-learn50 2.9 ȝ57 W?章 数据变Z?8 3.1 什么是数据58 3.2 大数?9 3.2.1 大数据的挑战60 3.2.2 数据模型62 3.2.3 数据分布63 3.2.4 来自数据库的数据67 3.2.5 来自互联|的数据68 3.2.6 来自自然语言的数?0 3.2.7 来自囑փ的数?2 3.2.8 来自应用~程接口的数?2 3.3 信号74 3.4 数据清洗76 3.5 数据可视?8 3.6 ȝ80 W?章 模型—从信息中学习(fn)81 4.1 逻辑模型81 4.1.1 一般性排?3 4.1.2 解释I间84 4.1.3 覆盖I间86 4.1.4 PAC学习(fn)和计复杂?7 4.2 ?wi)状模?8 4.3 规则模型92 4.3.1 有序列表Ҏ(gu)94 4.3.2 Z集合的规则模?5 4.4 ȝ98 W?章 U性模?00 5.1 最二乘法101 5.1.1 梯度下降102 5.1.2 正规方程?07 5.2 logistic回归109 5.3 多分c?13 5.4 正则?15 5.5 ȝ117 W?章 经|络119 6.1 经|络入门119 6.2 logistic单元121 6.3 代h(hun)函数126 6.4 经|络的实?28 6.5 梯度?33 6.6 其他经|络架构134 6.7 ȝ135 W?章 特征—法g的世?36 7.1 特征的类?37 7.1.1 定量特征137 7.1.2 有序特征138 7.1.3 分类特征138 7.2 q算和统?39 7.3 l构化特?41 7.4 特征变换141 7.4.1 L?43 7.4.2 归一?44 7.4.3 校准145 7.5 L分分?49 7.6 ȝ151 W?章 集成学习(fn)152 8.1 集成学习(fn)的类?52 8.2 BaggingҎ(gu)153 8.2.1 随机林154 8.2.2 *随机?55 8.3 BoostingҎ(gu)159 8.3.1 AdaBoost161 8.3.2 梯度Boosting163 8.4 集成学习(fn)的策?65 8.5 ȝ168 W?章 设计{略和案例研I?69 9.1 评h(hun)模型的表?69 9.2 模型的选择174 9.3 学习(fn)曲线176 9.4 现实世界中的案例研究178 9.4.1 建立一个推荐系l?78 9.4.2 温室虫害探测185 9.5 机器学习(fn)一?88 9.6 ȝ190 |
| Java1234官方?5Q?/td> | 
|
| Java1234官方?5Q?/td> | 838462530 |
苏公|安?32061202001004?/p>
