微信读书
首页
传书到手机
墨水屏版
手机版
登录
Python机器学习
赵涓涓 强彦
加入书架
开始阅读
本书把握机器学习和Python语言两个热门的领域,使用Python语言对十五个经典的机器学习算法进行解释和编译,使得读者能够在学习机器学习的同时,还能够加深对python语言的熟练程度。
close
简介
本书把握机器学习和Python语言两个热门的领域,使用Python语言对十五个经典的机器学习算法进行解释和编译,使得读者能够在学习机器学习的同时,还能够加深对python语言的熟练程度。
版权
出版社
机械工业出版社
出版时间
2019年7月
字数
181,717
分类
计算机-编程设计
微信读书推荐值
评分不足
1人点评
推荐
一般
不行
推荐
一般
不行
热门划线
去 App 查看全部
Python机器学习
赵涓涓 强彦
版权信息
前言
第1章 机器学习基础
1.1 引论
1.2 何谓机器学习
1.2.1 概述
1.2.2 引例
1.3 机器学习中的常用算法
1.3.1 按照学习方式划分
1.3.2 按照算法相似性划分
1.4 本章小结
1.5 本章习题
第2章 Python与数据科学
2.1 Python概述
2.2 Python与数据科学的关系
2.3 Python中常用的第三方库
2.3.1 NumPy
2.3.2 SciPy
2.3.3 Pandas
2.3.4 Matplotlib
2.3.5 Scikit-learn
2.4 编译环境
2.4.1 Anaconda
2.4.2 Jupyter Notebook
2.5 本章小结
2.6 本章习题
第3章 线性回归算法
3.1 算法概述
3.2 算法流程
3.3 算法步骤
3.4 算法实例
3.5 算法应用
3.6 算法的改进与优化
3.7 本章小结
3.8 本章习题
第4章 逻辑回归算法
4.1 算法概述
4.2 算法流程
4.3 算法步骤
4.4 算法实例
4.5 算法应用
4.6 算法的改进与优化
4.7 本章小结
4.8 本章习题
第5章 K最近邻算法
5.1 算法概述
5.2 算法流程
5.3 算法步骤
5.4 算法实例
5.5 算法应用
5.6 算法的改进与优化
5.7 本章小结
5.8 本章习题
第6章 PCA降维算法
6.1 算法概述
6.2 算法流程
6.3 算法步骤
6.3.1 内积与投影
6.3.2 方差
6.3.3 协方差
6.3.4 协方差矩阵
6.3.5 协方差矩阵对角化
6.4 算法实例
6.5 算法应用
6.6 算法的改进与优化
6.7 本章小结
6.8 本章习题
第7章 k-means算法
7.1 算法概述
7.2 算法流程
7.3 算法步骤
7.3.1 距离度量
7.3.2 算法核心思想
7.3.3 初始聚类中心的选择
7.3.4 簇类个数k的调整
7.3.5 算法特点
7.4 算法实例
7.5 算法应用
7.6 算法的改进与优化
7.7 本章小结
7.8 本章习题
第8章 支持向量机算法
8.1 算法概述
8.2 算法流程
8.2.1 线性可分支持向量机
8.2.2 非线性支持向量机
8.3 算法步骤
8.3.1 线性分类
8.3.2 函数间隔与几何间隔
8.3.3 对偶方法求解
8.3.4 非线性支持向量机与核函数
8.4 算法实例
8.5 算法应用
8.6 算法的改进与优化
8.7 本章小结
8.8 本章习题
第9章 AdaBoost算法
9.1 算法概述
9.2 算法流程
9.3 算法步骤
9.4 算法实例
9.5 算法应用
9.6 算法的改进与优化
9.7 本章小结
9.8 本章习题
第10章 决策树算法
10.1 算法概述
10.2 算法流程
10.3 算法步骤
10.3.1 两个重要概念
10.3.2 实现步骤
10.4 算法实例
10.5 算法应用
10.6 算法的改进与优化
10.7 本章小结
10.8 本章习题
第11章 高斯混合模型算法
11.1 算法概述
11.2 算法流程
11.3 算法步骤
11.3.1 构建高斯混合模型
11.3.2 EM算法估计模型参数
11.4 算法实例
11.5 算法应用
11.6 算法的改进与优化
11.7 本章小结
11.8 本章习题
第12章 随机森林算法
12.1 算法概述
12.2 算法流程
12.3 算法步骤
12.3.1 构建数据集
12.3.2 基于数据集构建分类器
12.3.3 投票组合得到最终结果并分析
12.4 算法实例
12.5 算法应用
12.6 算法的改进与优化
12.7 本章小结
12.8 本章习题
第13章 朴素贝叶斯算法
13.1 算法概述
13.2 算法流程
13.3 算法步骤
13.4 算法实例
13.5 算法应用
13.6 算法的改进与优化
13.7 本章小结
13.8 本章习题
第14章 隐马尔可夫模型算法
14.1 算法概述
14.2 算法流程
14.3 算法步骤
14.4 算法实例
14.5 算法应用
14.6 算法的改进与优化
14.7 本章小结
14.8 本章习题
第15章 BP神经网络算法
15.1 算法概述
15.2 算法流程
15.3 算法步骤
15.4 算法实例
15.5 算法应用
15.6 算法的改进与优化
15.7 本章小结
15.8 本章习题
第16章 卷积神经网络算法
16.1 算法概述
16.2 算法流程
16.3 算法步骤
16.3.1 向前传播阶段
16.3.2 向后传播阶段
16.4 算法实例
16.5 算法应用
16.6 算法的改进与优化
16.7 本章小结
16.8 本章习题
第17章 递归神经网络算法
17.1 算法概述
17.2 算法流程
17.3 算法步骤
17.4 算法实例
17.5 算法应用
17.6 算法的改进与优化
17.7 本章小结
17.8 本章习题
课后习题答案
参考文献
是否关闭自动购买?
关闭后,阅读到本书未购买章节均需要手动购买确认。
取消
关闭