机器学习实践应用

ISBN-10
7115460418
ISBN-13
9787115460417
Pages
266
Language
Chinese
Published
2017
Author
李博

Description

本书通过对机器学习的背景知识,算法流程,相关工具,实践案例以及知识图谱等内容的讲解,全面介绍了机器学习的理论基础和实践应用.书中涉及机器学习领域的多个典型算法,并详细给出了机器学习的算法流程.

Get the book

Amazon.com
Amazon.com
Search the book
eBay.com
eBay.com
Search the book

Similar books

  • 机器学习实践: 数据科学应用与工作流的开发及优化
    By 凯莱赫

    本书分三个部分,第一部分介绍框架原则,涵盖数据科学领域的背景知识,项目工作流程及其与敏捷开发原则的关系,误差测量的概念和量化,数据编码与预处理,统计假设检验,数据可视化和探索性数据分析.第二部分描述算法和架构,包括算法和架构的概述,相似性度量方法,有监督机学习,离散的有监督模型和无监督机器学习的基础知识,贝叶斯网络和贝叶斯模型,因果推断,以及高级机器学习技术.第三部分讲解瓶颈和优化,涵养硬件方面的基本瓶颈,软件设计的基础知识,分布式系统中的体系结构模式,CAP定理,以及逻辑网络拓扑节点.

  • 机器学习入门到实战: MATLAB实践应用
    By 冷雨泉

    本书分为机器学习概念篇,MATLAB机器学习基础篇,机器学习算法与MATLAB实践篇3个部分,包括机器学习基础,MATLAB基础入门,MATLAB机器学习工具箱等内容.

  • 从机器学习到深度学习：基于scikit-learn与TensorFlow的高效开发实战
    从机器学习到深度学习：基于scikit-learn与TensorFlow的高效开发实战
    By 刘长龙著

    这是一本场景式的机器学习实践书，笔者努力做到“授人以渔，而非授人以鱼”。理论方面从人工智能（AI）与机器学习（ML）的基本要素讲起，逐步展开有监督学习、无监督学习、 ...

  • Python机器学习开发实战
    Python机器学习开发实战
    By 王新宇编著

    本书以Python语言为基础，对机器学习领域的相关概念和应用进行了介绍。本书在介绍机器学习理论的时候，尽量用浅显易懂的语言以及基础的数学知识来讲解。此外，为了将知识表述 ...

  • 机器学习与Python实践
    机器学习与Python实践
    By 黄勉编著

    ... 数据不平衡的处理方法进行了介绍 21 分钟第 5 章分类 20 分钟本章介绍局部建模方法,包括样条法、 K 邻近方法、技技巧和局部回归方法。应理解局部建模方法并明确它们之间的区别、联系、使用场景及其局限性第 6 章局部建模 19 分钟第 7 章模型 ... 大似然估计 ...

  • 机器学习实战
    机器学习实战
    By 李鹏, （美）Peter Harrington著, 李锐

    图1-1 机学习在日常生活中的应用,从左上照顺时针向次使用的机学习技术分别为:人脸识别、手识别、垃圾邮件过滤和亚马逊司的产品荐上面提的有场,都有机学习软件的存在。现在多司使用机学习软件善业决策、提生产、检测、预测气,等等。随技术指级长, ...

  • Python机器学习实践指南
    By 库姆斯

    本书共有10章.第1章讲解了Python机器学习的生态系统,剩余9章介绍了众多与机器学习相关的算法,包括聚类算法,推荐引擎等,主要包括机器学习在公寓,机票,IPO市场,新闻源,内容推广 ...

  • 机器学习基础：从入门到求职
    机器学习基础：从入门到求职
    By 胡欢武编著

    本书是一本机器学习算法方面的理论+实践读物，主要包含机器学习基础理论、线性回归模型、分类模型、聚类模型、降维模型和深度神经网络模型六大部分。机器学习基础理论部分包含第1、2章，主要介绍机器学习的理论基础和工程实践基础。第3章是线性回归模型部分，主要包括模型的建立、学习策略的确定和优化算法的求解过程，最后结合三种常见的线性回归模型实现了一个房价预测的案例。第4至11章详细介绍了几种常见的分类模型，包括朴素贝叶斯模型、K近邻模型、决策树模型、Logistic回归模型、支持向量机模型、随机森林模型、AdaBoost模型和提升树模型，每一个模型都给出了较为详细的推导过程和实际应用案例。第12章系统介绍了五种常见的聚类模型，包括K-Means聚类、层次聚类、密度聚类、谱聚类和高斯混合聚类，每一个模型的原理、优缺点和工程应用实践都给出了较为详细的说明。第13章系统介绍了四种常用的降维方式，包括奇异值分解、主成分分析、线性判别分析和局部线性嵌入，同样给出了详细的理论推导和分析。最后两章分别是Word2Vec和Doc2Vec词向量模型和深度神经网络模型，其中，第14章详细介绍了Word2Vec和Doc2Vec模型的原理推导和应用；第15章深度神经网络模型系统介绍了深度学习相关的各类基础知识。

  • Python编程从数据分析到机器学习实践: 微课视频版
    By 刘瑜

    本书具体内容包括:Jupyter Notebook应用,Numpy科学计算,矩阵,线性代数和高级技术,Matplotib基础知识和高级应用,Scipy基础知识和高级应用,Pandas基础知识,数据处理和基于时间应用,Scikit ...

  • Python机器学习算法
    Python机器学习算法
    By 赵志勇著

    本书是一本机器学习入门读物，注重理论与实践的结合。全书主要包括6个部分，每个部分均以典型的机器学习算法为例，从算法原理出发，由浅入深，详细介绍算法的理论，并配合 ...