我爱电子书-《机器学习实践指南》| pdf + epub + mobi + awz3, 高清版, 带目录，Kindle版, 多看精排版下载

注重体验与质量的电子书资源下载网站

分类于: 互联网云计算&大数据

简介

机器学习实践指南豆 0.0分

资源最后更新于 2020-03-29 04:41:19

作者：〔英〕阿图尔·特里帕蒂（Atul Tripathi）

译者：王喆曹建勋

出版社：出版社机械工业出版社

出版日期：2018-03

ISBN：9787111592129

文件格式： pdf

标签：互联网编程语言 IT 数据分析机器 R语言代码数据分析与决策技术丛书

简介· · · · · ·

我们将首先介绍本书中包含的多种不同的机器学习主题，随后，基于现实世界的问题在不同的章节中对各个主题进行一一探讨，例如分类、聚类、模型选择和正则化、非线性问题、监督学习、无监督学习、增强学习、结构化预测、神经网络、深度学习，还有最后的案例研究。本书的机器学习算法以R语言作为编程语言。本书适用于R语言的初学者，但是熟悉R语言对理解和使用本书的代码肯定是会有所帮助的。你将学习如何合理地决定使用哪类算法以及如何应用这些算法得到最佳的效果。如果你想要对图像、文字、语音或者其他形式的数据都建立有意义的多功能的应用，本书绝对会成为你的得力助手。作者：（英）阿图尔·特里帕蒂（AtulTripathi）译者：王喆，曹建勋

直接下载

简介

机器学习实践指南 豆 0.0分

简介· · · · · ·

目录

译者序

前言

第1章 机器学习引言

1.1 什么是机器学习

1.2 分类方法概述

1.3 聚类方法概述

1.4 监督学习概述

1.5 无监督学习概述

1.6 增强学习概述

1.7 结构化预测概述

1.8 神经网络概述

1.9 深度学习概述

第2章 分类

2.1 引言

2.2 判别函数分析：地下卤水地质化学测量

2.3 多元逻辑回归：理解学生的课程计划选择

2.4 Tobit回归：评估学生的学术能力

2.5 泊松回归：理解加拉帕戈斯群岛现存物种

第3章 聚类

3.1 引言

3.2 层次聚类：世界银行样本数据集

3.3 层次聚类：1999～2010年亚马逊雨林的烧毁情况

3.4 层次聚类：基因聚类

3.5 二进制聚类：数学测验

3.6 k均值聚类：欧洲各国蛋白质消耗量

3.7 k均值聚类：食品

第4章 模型选择和正则化

4.1 引言

4.2 压缩方法：每天消耗的卡路里

4.3 降维方法：Delta航空公司航空队

4.4 主成分分析：理解世界菜肴

第5章 非线性

5.1 广义加性模型：衡量新西兰的家庭收入

5.2 平滑样条：理解汽车和速度

5.3 局部回归：理解干旱警告和影响

第6章 监督学习

6.1 引言

6.2 决策树学习：对胸痛患者的预先医疗护理指示

6.3 决策树学习：基于收入的房地产价值分布

6.4 决策树学习：预测股票走势方向

6.5 朴素贝叶斯：预测股票走势方向

6.6 随机森林：货币交易策略

6.7 支持向量机：货币交易策略

6.8 随机梯度下降：成人收入

第7章 无监督学习

7.1 引言

7.2 自组织映射：可视化热图

7.3 矢量量化：图像聚类

第8章 增强学习

8.1 引言

8.2 马尔可夫链：股票区制转移模型

8.3 马尔可夫链：多渠道归因模型

8.4 马尔可夫链：汽车租赁代理服务

8.5 连续马尔可夫链：加油站的车辆服务

8.6 蒙特卡罗模拟：校准Hull-White短期利率

第9章 结构化预测

9.1 引言

9.2 隐马尔可夫模型：欧元和美元

9.3 隐马尔可夫模型：区制检测

第10章 神经网络

10.1 引言

10.2 为S&P 500建模

10.3 衡量失业率

第11章 深度学习

11.1 引言

11.2 循环神经网络：预测周期信号

第12章 案例研究：探索世界银行数据

12.1 引言

12.2 探索世界银行数据

第13章 案例研究：再保险合同定价

13.1 引言

13.2 再保险合同定价

第14章 案例研究：用电量预测

14.1 引言

14.2 用电量测量

猜你喜欢

机器学习实践指南豆 0.0分

第1章　机器学习引言

1.1　什么是机器学习

1.2　分类方法概述

1.3　聚类方法概述

1.4　监督学习概述

1.5　无监督学习概述

1.6　增强学习概述

1.7　结构化预测概述

1.8　神经网络概述

1.9　深度学习概述

第2章　分类

2.1　引言

2.2　判别函数分析：地下卤水地质化学测量

2.3　多元逻辑回归：理解学生的课程计划选择

2.4　Tobit回归：评估学生的学术能力

2.5　泊松回归：理解加拉帕戈斯群岛现存物种

第3章　聚类

3.1　引言

3.2　层次聚类：世界银行样本数据集

3.3　层次聚类：1999～2010年亚马逊雨林的烧毁情况

3.4　层次聚类：基因聚类

3.5　二进制聚类：数学测验

3.6　k均值聚类：欧洲各国蛋白质消耗量

3.7　k均值聚类：食品

第4章　模型选择和正则化

4.1　引言

4.2　压缩方法：每天消耗的卡路里

4.3　降维方法：Delta航空公司航空队

4.4　主成分分析：理解世界菜肴

第5章　非线性

5.1　广义加性模型：衡量新西兰的家庭收入

5.2　平滑样条：理解汽车和速度

5.3　局部回归：理解干旱警告和影响

第6章　监督学习

6.1　引言

6.2　决策树学习：对胸痛患者的预先医疗护理指示

6.3　决策树学习：基于收入的房地产价值分布

6.4　决策树学习：预测股票走势方向

6.5　朴素贝叶斯：预测股票走势方向

6.6　随机森林：货币交易策略

6.7　支持向量机：货币交易策略

6.8　随机梯度下降：成人收入

第7章　无监督学习

7.1　引言

7.2　自组织映射：可视化热图

7.3　矢量量化：图像聚类

第8章　增强学习

8.1　引言

8.2　马尔可夫链：股票区制转移模型

8.3　马尔可夫链：多渠道归因模型

8.4　马尔可夫链：汽车租赁代理服务

8.5　连续马尔可夫链：加油站的车辆服务

8.6　蒙特卡罗模拟：校准Hull-White短期利率

第9章　结构化预测

9.1　引言

9.2　隐马尔可夫模型：欧元和美元

9.3　隐马尔可夫模型：区制检测

第10章　神经网络

10.1　引言

10.2　为S&P 500建模

10.3　衡量失业率

第11章　深度学习

11.1　引言

11.2　循环神经网络：预测周期信号

第12章　案例研究：探索世界银行数据

12.1　引言

12.2　探索世界银行数据

第13章　案例研究：再保险合同定价

13.1　引言

13.2　再保险合同定价

第14章　案例研究：用电量预测

14.1　引言

14.2　用电量测量