幫助中心 | 我的帳號 | 關於我們

機器學習演算法/智能科學與技術叢書

  • 作者:(意)朱塞佩·博納科爾索|譯者:羅娜
  • 出版社:機械工業
  • ISBN:9787111595137
  • 出版日期:2018/05/01
  • 裝幀:平裝
  • 頁數:234
人民幣:RMB 69 元      售價:
放入購物車
加入收藏夾

內容大鋼
    朱塞佩·博納科爾索著的《機器學習演算法/智能科學與技術叢書》採用理論與實踐相結合的方式,在簡明扼要地闡明機器學習原理的基礎上,通過大量實例介紹了不同場景下機器學習演算法在scikit-learn中的實現及應用。書中還有大量的代碼示例及圖例,便於讀者理解和學習並實際上手操作。另一方面,書中還有很多的延伸閱讀指導,方便讀者系統性地了解機器學習領域的現有技術及其發展狀況。

作者介紹
(意)朱塞佩·博納科爾索|譯者:羅娜

目錄
譯者序
前言
作者簡介
審校人員簡介
第1章  機器學習簡介
  1.1 經典機器和自適應機器簡介
  1.2 機器學習的分類
    1.2.1 監督學習
    1.2.2 無監督學習
    1.2.3 強化學習
  1.3 超越機器學習——深度學習和仿生自適應系統
  1.4 機器學習和大數據
  延伸閱讀
  本章小結
第2章  機器學習的重要元素
  2.1 數據格式
  2.2 可學習性
    2.2.1 欠擬合和過擬合
    2.2.2 誤差度量
    2.2.3 PAC學習
  2.3 統計學習方法
    2.3.1 最大后驗概率學習
    2.3.2 最大似然學習
  2.4 資訊理論的要素
  參考文獻
  本章小結
第3章  特徵選擇與特徵工程
  3.1 scikit-learn練習數據集
  3.2 創建訓練集和測試集
  3.3 管理分類數據
  3.4 管理缺失特徵
  3.5 數據縮放和歸一化
  3.6 特徵選擇和過濾
  3.7 主成分分析
    3.7.1 非負矩陣分解
    3.7.2 稀疏PCA
    3.7.3 核PCA
  3.8 原子提取和字典學習
  參考文獻
  本章小結
第4章  線性回歸
  4.1 線性模型
  4.2 一個二維的例子
  4.3 基於scikit-learn的線性回歸和更高維
  4.4 Ridge、Lasso和ElasticNet
  4.5 隨機採樣一致的魯棒回歸
  4.6 多項式回歸
  4.7 保序回歸
  參考文獻
  本章小結

第5章  邏輯回歸
  5.1 線性分類
  5.2 邏輯回歸
  5.3 實現和優化
  5.4 隨機梯度下降演算法
  5.5 通過網格搜索找到最優超參數
  5.6 評估分類的指標
  5.7 ROC曲線
  本章小結
第6章  樸素貝葉斯
  6.1 貝葉斯定理
  6.2 樸素貝葉斯分類器
  6.3 scikit-learn中的樸素貝葉斯
    6.3.1 伯努利樸素貝葉斯
    6.3.2 多項式樸素貝葉斯
    6.3.3 高斯樸素貝葉斯
  參考文獻
  本章小結
第7章  支持向量機
  7.1 線性支持向量機
  7.2 scikit-learn實現
    7.2.1 線性分類
    7.2.2 基於內核的分類
    7.2.3 非線性例子
  7.3 受控支持向量機
  7.4 支持向量回歸
  參考文獻
  本章小結
第8章  決策樹和集成學習
  8.1 二元決策樹
    8.1.1 二元決策
    8.1.2 不純度的衡量
    8.1.3 特徵重要度
  8.2 基於scikit-learn的決策樹分類
  8.3 集成學習
    8.3.1 隨機森林
    8.3.2 AdaBoost
    8.3.3 梯度樹提升
    8.3.4 投票分類器
  參考文獻
  本章小結
第9章  聚類基礎
  9.1 聚類簡介
    9.1.1 k均值聚類
    9.1.2 DBSCAN
    9.1.3 光譜聚類
  9.2 基於實證的評價方法
    9.2.1 同質性
    9.2.2 完整性
    9.2.3 修正蘭德指數

  參考文獻
  本章小結
第10章  層次聚類
  10.1 分層策略
  10.2 凝聚聚類
    10.2.1 樹形圖
    10.2.2 scikit-learn中的凝聚聚類
    10.2.3 連接限制
  參考文獻
  本章小結
第11章  推薦系統簡介
  11.1 樸素的基於用戶的系統
  11.2 基於內容的系統
  11.3 無模式(或基於內存的)協同過濾
  11.4 基於模型的協同過濾
    11.4.1 奇異值分解策略
    11.4.2 交替最小二乘法策略
    11.4.3 用Apache Spark MLlib實現交替最小二乘法策略
  參考文獻
  本章小結
第12章  自然語言處理簡介
  12.1 NLTK和內置語料庫
  12.2 詞袋策略
    12.2.1 標記
    12.2.2 停止詞的刪除
    12.2.3 詞幹提取
    12.2.4 向量化
  12.3 基於路透社語料庫的文本分類器例子
  參考文獻
  本章小結
第13章  自然語言處理中的主題建模與情感分析
  13.1 主題建模
    13.1.1 潛在語義分析
    13.1.2 概率潛在語義分析
    13.1.3 潛在狄利克雷分配
  13.2 情感分析
  參考文獻
  本章小結
第14章  深度學習和TensorFlow簡介
  14.1 深度學習簡介
    14.1.1 人工神經網路
    14.1.2 深層結構
  14.2 TensorFlow簡介
    14.2.1 計算梯度
    14.2.2 邏輯回歸
    14.2.3 用多層感知器進行分類
    14.2.4 圖像卷積
  14.3 Keras內部速覽
  參考文獻
  本章小結

第15章  構建機器學習框架
  15.1 機器學習框架
    15.1.1 數據收集
    15.1.2 歸一化
    15.1.3 降維
    15.1.4 數據擴充
    15.1.5 數據轉換
    15.1.6 建模、網格搜索和交叉驗證
    15.1.7 可視化
  15.2 用於機器學習框架的scikit-learn工具
    15.2.1 管道
    15.2.2 特徵聯合
  參考文獻
  本章小結

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032