日本精品大胆欧美人,h网站在线免费

《Python機(jī)器學(xué)習(xí)入門(mén)：機(jī)器學(xué)習(xí)算法的理論與實(shí)踐》全面細(xì)致地講解了機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)及其應(yīng)用，具體內(nèi)容包括機(jī)器學(xué)習(xí)中必要的環(huán)境搭建和Python的基礎(chǔ)知識(shí)、有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的理論及其實(shí)際應(yīng)用案例、有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的機(jī)器學(xué)習(xí)模式，并以理論結(jié)合公式的方式講解了Python代碼的編寫(xiě)方法，以及數(shù)據(jù)的采集、處理和實(shí)際操作中機(jī)器學(xué)習(xí)的模式。
本書(shū)適合人工智能、機(jī)器學(xué)習(xí)方向的學(xué)生和技術(shù)人員學(xué)習(xí)、使用，也適合廣大人工智能愛(ài)好者閱讀。

原書(shū) 前言
人工智能將為商務(wù)活動(dòng)帶來(lái)變革這個(gè)說(shuō)法由來(lái)已久。商業(yè)界的注目使得更多的人都不斷地加入這個(gè)領(lǐng)域中來(lái)。生活中關(guān)于人工智能的信息，從面向一般人的文章，到面向?qū)I(yè)人士的論文，以及真假難辨的報(bào)道，層出不窮。而泛濫的信息使得初學(xué)者面臨著較難的取舍選擇，使得從零基礎(chǔ)開(kāi)始自學(xué)變得非常困難。
著筆寫(xiě)這本書(shū)的時(shí)候，人工智能大多指的是，諸如本書(shū)主要講解的機(jī)器學(xué)習(xí)算法機(jī)器學(xué)習(xí)模型以及為一般用戶(hù)提供的系統(tǒng)課題。然而，為了實(shí)現(xiàn)人工智能在商務(wù)活動(dòng)中的應(yīng)用，理解機(jī)器學(xué)習(xí)算法和構(gòu)建系統(tǒng)的順序是很有必要的。
本書(shū)將采用機(jī)器學(xué)習(xí)中常使用的Python程序語(yǔ)言，不僅從算法的理解方面，還從實(shí)際操作方面，帶領(lǐng)大家零基礎(chǔ)學(xué)習(xí)機(jī)器學(xué)習(xí)的模型設(shè)計(jì)。我們期待讀者通過(guò)這本書(shū)，掌握機(jī)器學(xué)習(xí)在商務(wù)活動(dòng)應(yīng)用中的技巧。除此之外，也希望讀者能明白人工智能和機(jī)器學(xué)習(xí)關(guān)于技術(shù)上指的是什么擅長(zhǎng)做什么不擅長(zhǎng)做什么等問(wèn)題的關(guān)鍵。
讀完這本書(shū)，相信您對(duì)人工智能、機(jī)器學(xué)習(xí)會(huì)有更深入學(xué)習(xí)的興趣。不論是想要掌握機(jī)器學(xué)習(xí)的技能從而在職場(chǎng)大展身手的IT工程師，還是將來(lái)想成為數(shù)據(jù)分析師的學(xué)生，如果這本書(shū)對(duì)您有幫助，我們將深感榮幸。本書(shū)的讀者對(duì)象及閱讀必要知識(shí)
機(jī)器學(xué)習(xí)是在人工智能相關(guān)產(chǎn)品、服務(wù)的開(kāi)發(fā)中，基礎(chǔ)的學(xué)習(xí)領(lǐng)域。
本書(shū)是講解機(jī)器學(xué)習(xí)的基礎(chǔ)和實(shí)踐的書(shū)籍。
本書(shū)包括機(jī)器學(xué)習(xí)開(kāi)發(fā)環(huán)境的準(zhǔn)備、實(shí)際使用方法、簡(jiǎn)單易懂的理論部分，以及數(shù)據(jù)收集、處理和相應(yīng)的機(jī)器學(xué)習(xí)模式的使用方法。
 Python基礎(chǔ)的程序語(yǔ)言知識(shí)
 大學(xué)線性代數(shù)和微積分知識(shí)
本書(shū)的構(gòu)成
本書(shū)分為4個(gè)章節(jié)。
第1章將介紹機(jī)器學(xué)習(xí)中必要的環(huán)境搭建和Python的基礎(chǔ)知識(shí)。
第2章將分別舉例講解有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。
第3章將介紹有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的機(jī)器學(xué)習(xí)模式，主要以理論結(jié)合公式的方式講解Python代碼的編寫(xiě)方法。
第4章將對(duì)數(shù)據(jù)的采集、處理和實(shí)際操作中機(jī)器學(xué)習(xí)模式的利用進(jìn)行說(shuō)明。
本書(shū)樣本的運(yùn)行環(huán)境及樣本程序
本書(shū)各章的樣本都是在下表給出的操作環(huán)境中運(yùn)行的，并且已確認(rèn)沒(méi)有問(wèn)題。另外，本書(shū)是以macOS操作環(huán)境為基礎(chǔ)進(jìn)行敘述的，并通過(guò)pip命令指定庫(kù)解析進(jìn)行安裝，具體參見(jiàn)1.4節(jié)。
運(yùn)行環(huán)境項(xiàng)目?jī)?nèi)容項(xiàng)目?jī)?nèi)容OSmac OS
Sierra/MohevaPandas0.24.2Python3.6.1/3.6.2/3.7.0Pillow6.0.0graphviz2.40.1scikit-learn0.20.3NumPy1.16.2SciPy1.2.1matplotlib3.0.3seaborn0.9.0mecab0.996swig3.0.12mecab-ipadic2.7.0Homebrew（版本號(hào)2.1.1）mecab-python30.996.1開(kāi)發(fā)環(huán)境
IPython（版本號(hào)6.2.1~7.4.0）jupyter（版本號(hào)1.0.0）

目錄
譯者的話(huà)
原書(shū)前言
第1章閱讀本書(shū)前的準(zhǔn)備
1.1Python的安裝
1.1.1何為Python
1.1.2Homebrew的安裝
1.1.3Python3的安裝
1.1.4虛擬環(huán)境的創(chuàng)建
1.1.5為何使用venv（為何不用pyenv、anaconda）
1.2Python的使用方法
1.2.1輸出Hello World！
1.2.2IPython的使用
1.2.3四則運(yùn)算
1.2.4字符串的使用
1.2.5列表類(lèi)型的使用
1.2.6字典類(lèi)型的使用
1.2.7其他數(shù)據(jù)類(lèi)型
1.2.8條件分支
1.2.9循環(huán)
1.2.10函數(shù)的使用
1.2.11類(lèi)的使用
1.2.12標(biāo)準(zhǔn)庫(kù)的使用
1.3Jupyter Notebook的安裝和使用
1.3.1Jupyter Notebook的安裝和啟動(dòng)
1.3.2Jupyter Notebook的使用
1.4NumPy、scikit-learn、matplotlib、Pandas的使用
1.4.1NumPy的安裝和使用
1.4.2scikit-learn的安裝和使用
1.4.3matplotlib的安裝和使用
1.4.4Pandas的安裝和使用

第2章機(jī)器學(xué)習(xí)在實(shí)際中的使用
2.1在工作中運(yùn)用機(jī)器學(xué)習(xí)
2.1.1關(guān)于機(jī)器學(xué)習(xí)
2.1.2輸入輸出的格式化
2.1.3分析任務(wù)的本質(zhì)
2.1.4實(shí)際問(wèn)題的分析案例
2.2用樣本數(shù)據(jù)嘗試有監(jiān)督學(xué)習(xí)
2.2.1嘗試分類(lèi)的案例
2.2.2運(yùn)用決策樹(shù)分類(lèi)
2.2.3嘗試解決實(shí)際問(wèn)題
2.2.4解決實(shí)際問(wèn)題的注意要點(diǎn)
2.3用樣本數(shù)據(jù)嘗試無(wú)監(jiān)督學(xué)習(xí)
2.3.1無(wú)監(jiān)督學(xué)習(xí)
2.3.2使用樣本嘗試scikit-learn
2.4小結(jié)

第3章機(jī)器學(xué)習(xí)基礎(chǔ)理論
3.1數(shù)學(xué)知識(shí)的準(zhǔn)備
3.1.1本節(jié)的學(xué)習(xí)流程
3.1.2為什么數(shù)學(xué)是必要的
3.1.3集合和函數(shù)基礎(chǔ)
3.1.4線性代數(shù)基礎(chǔ)
3.1.5微分基礎(chǔ)
3.1.6概率統(tǒng)計(jì)基礎(chǔ)
3.2機(jī)器學(xué)習(xí)的基礎(chǔ)
3.2.1機(jī)器學(xué)習(xí)的目的
3.2.2技術(shù)性的假設(shè)和用語(yǔ)
3.2.3有監(jiān)督學(xué)習(xí)概述
3.2.4從泛化誤差看有監(jiān)督學(xué)習(xí)
3.2.5無(wú)監(jiān)督學(xué)習(xí)概述
3.3有監(jiān)督學(xué)習(xí)
3.3.1分類(lèi)模型的精度評(píng)價(jià)
3.3.2邏輯回歸
3.3.3神經(jīng)網(wǎng)絡(luò)
3.3.4梯度提升決策樹(shù)
3.4無(wú)監(jiān)督學(xué)習(xí)
3.4.1混合高斯模型
3.4.2k-均值
3.4.3層次聚類(lèi)
3.4.4核密度估計(jì)
3.4.5t-SNE

第4章數(shù)據(jù)的整合與處理
4.1機(jī)器學(xué)習(xí)中數(shù)據(jù)的使用流程
4.2數(shù)據(jù)的獲取和整合
4.2.1數(shù)據(jù)結(jié)構(gòu)的理解
4.2.2從結(jié)構(gòu)化數(shù)據(jù)中讀取數(shù)據(jù)
4.2.3讀取數(shù)據(jù)
4.2.4分組聚合
4.2.5時(shí)間格式的操作方法
4.2.6合并
4.3數(shù)據(jù)的格式化
4.3.1數(shù)據(jù)種類(lèi)的理解
4.3.2標(biāo)準(zhǔn)化
4.3.3缺省值
4.4非結(jié)構(gòu)化數(shù)據(jù)的處理
4.4.1文本數(shù)據(jù)的預(yù)處理
4.4.2終端中MeCab的應(yīng)用
4.4.3Python中MeCab的應(yīng)用
4.4.4圖片數(shù)據(jù)的處理
4.5不平衡數(shù)據(jù)的處理
4.5.1分類(lèi)問(wèn)題中的不平衡數(shù)據(jù)
4.5.2數(shù)據(jù)不平衡問(wèn)題
4.5.3一般的處理方法
4.5.4樣本權(quán)重的調(diào)整
4.5.5降采樣法

你還可能感興趣

我要評(píng)論