我爱电子书-《机器学习算法的数学解析与Python实现: 智能系统与技术丛书》| 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: 云计算&大数据人工智能

简介

机器学习算法的数学解析与Python实现: 智能系统与技术丛书豆 0.0分

资源最后更新于 2020-03-29 01:40:04

作者：莫凡

出版社：出版社机械工业出版社

出版日期：2019-12

ISBN：9787111642602

文件格式： pdf

标签：人工智能数学机器学习 Python 智能系统与技术丛书

简介· · · · · ·

学习机器学习的动机很多，可能是实际工作需要，可能是兴趣爱好，也可能是学业要求，从每种动机的角度看，这个问题都可能有不同的答案。我认同许多人所说的求知不能太功利这一观点，不过大家的时间和精力毕竟有限，就算不去追求投入产出比，至少也应该有一个学这门知识想要达到的目的。机器学习是更偏重于应用的学问，在当下的发展也确实使得机器学习越来越像一门技能，而不仅仅是技术。初学算法时我最想学的是里面的“最强算法”，不过在第1章我将介绍，机器学习算法没有最强的，只有最合适的，对于不同的问题，对应会有不同的最合适算法。所以，我们更需要关注的应该是问题，而不是算法本身。在本书中我选择介绍市面上成熟的机器学习算法包，通过现成的算法包，就能够根据实际要解决的问题直接选择所需要的机器学习算法，从而把注意力集中在对不同算法的选择上。本书的目标读者是想要学习机器学习的学生、程序员、研究人员或者爱好者，以及想要知道机器学习是什么、为什么和怎么用的所有读者。本书第1章介绍机器学习总体背景，第2章介绍配置环境，第3章到第10章彼此独立，每一章介绍一种具体的机器学习算法，读者可以直接阅读想要了解的算法，第11章介绍了集成学习方法，这是一种组合机器学习算法的方法，也是当前在实际使用中常见又十分有效的提升性能的做法。莫凡编著

直接下载

简介

机器学习算法的数学解析与Python实现: 智能系统与技术丛书 豆 0.0分

简介· · · · · ·

目录

前言

第1章 机器学习概述

1.1 什么是机器学习

1.2 机器学习的几个需求层次

1.3 机器学习的基本原理

1.4 机器学习的基本概念

1.5 机器学习问题分类

1.6 常用的机器学习算法

1.7 机器学习算法的性能衡量指标

1.8 数据对算法结果的影响

第2章 机器学习所需的环境

2.1 常用环境

2.2 Python简介

2.3 Numpy简介

2.4 Scikit-Learn简介

2.5 Pandas简介

第3章 线性回归算法

3.1 线性回归：“钢铁直男”解决回归问题的正确方法

3.2 线性回归的算法原理

3.3 在Python中使用线性回归算法

3.4 线性回归算法的使用场景

第4章 Logistic回归分类算法

4.1 Logistic回归：换上“S型曲线马甲”的线性回归

4.2 Logistic回归的算法原理

4.3 在Python中使用Logistic回归算法

4.4 Logistic回归算法的使用场景

第5章 KNN分类算法

5.1 KNN分类算法：用多数表决进行分类

5.2 KNN分类的算法原理

5.3 在Python中使用KNN分类算法

5.4 KNN分类算法的使用场景

第6章 朴素贝叶斯分类算法

6.1 朴素贝叶斯：用骰子选择

6.2 朴素贝叶斯分类的算法原理

6.3 在Python中使用朴素贝叶斯分类算法

6.4 朴素贝叶斯分类算法的使用场景

第7章 决策树分类算法

7.1 决策树分类：用“老朋友”if-else进行选择

7.2 决策树分类的算法原理

7.3 在Python中使用决策树分类算法

7.4 决策树分类算法的使用场景

第8章 支持向量机分类算法

8.1 支持向量机：线性分类器的“王者”

8.2 支持向量机分类的算法原理

8.3 在Python中使用支持向量机分类算法

8.4 支持向量机分类算法的使用场景

第9章 K-means聚类算法

9.1 用投票表决实现“物以类聚”

9.2 K-means聚类的算法原理

9.3 在Python中使用K-means聚类算法

9.4 K-means聚类算法的使用场景

第10章 神经网络分类算法

10.1 用神经网络解决分类问题

10.2 神经网络分类的算法原理

10.3 在Python中使用神经网络分类算法

10.4 神经网络分类算法的使用场景

第11章 集成学习方法

11.1 集成学习方法：三个臭皮匠赛过诸葛亮

11.2 集成学习方法的具体实现方式

11.3 在Python中使用集成学习方法

11.4 集成学习方法的使用场景

猜你喜欢

PyTorch机器学习从入门到实战

AI安全之对抗样本入门: 智能系统与技术丛书

智能原理

数字思维

VR、AR与MR项目开发实战

终极复制: 人工智能将如何推动社会巨变

机器学习算法的数学解析与Python实现: 智能系统与技术丛书豆 0.0分

第1章　机器学习概述

1.1　什么是机器学习

1.2　机器学习的几个需求层次

1.3　机器学习的基本原理

1.4　机器学习的基本概念

1.5　机器学习问题分类

1.6　常用的机器学习算法

1.7　机器学习算法的性能衡量指标

1.8　数据对算法结果的影响

第2章　机器学习所需的环境

2.1　常用环境

2.2　Python简介

2.3　Numpy简介

2.4　Scikit-Learn简介

2.5　Pandas简介

第3章　线性回归算法

3.1　线性回归：“钢铁直男”解决回归问题的正确方法

3.2　线性回归的算法原理

3.3　在Python中使用线性回归算法

3.4　线性回归算法的使用场景

第4章　Logistic回归分类算法

4.1　Logistic回归：换上“S型曲线马甲”的线性回归

4.2　Logistic回归的算法原理

4.3　在Python中使用Logistic回归算法

4.4　Logistic回归算法的使用场景

第5章　KNN分类算法

5.1　KNN分类算法：用多数表决进行分类

5.2　KNN分类的算法原理

5.3　在Python中使用KNN分类算法

5.4　KNN分类算法的使用场景

第6章　朴素贝叶斯分类算法

6.1　朴素贝叶斯：用骰子选择

6.2　朴素贝叶斯分类的算法原理

6.3　在Python中使用朴素贝叶斯分类算法

6.4　朴素贝叶斯分类算法的使用场景

第7章　决策树分类算法

7.1　决策树分类：用“老朋友”if-else进行选择

7.2　决策树分类的算法原理

7.3　在Python中使用决策树分类算法

7.4　决策树分类算法的使用场景

第8章　支持向量机分类算法

8.1　支持向量机：线性分类器的“王者”

8.2　支持向量机分类的算法原理

8.3　在Python中使用支持向量机分类算法

8.4　支持向量机分类算法的使用场景

第9章　K-means聚类算法

9.1　用投票表决实现“物以类聚”

9.2　K-means聚类的算法原理

9.3　在Python中使用K-means聚类算法

9.4　K-means聚类算法的使用场景

第10章　神经网络分类算法

10.1　用神经网络解决分类问题

10.2　神经网络分类的算法原理

10.3　在Python中使用神经网络分类算法

10.4　神经网络分类算法的使用场景

第11章　集成学习方法

11.1　集成学习方法：三个臭皮匠赛过诸葛亮

11.2　集成学习方法的具体实现方式

11.3　在Python中使用集成学习方法

11.4　集成学习方法的使用场景