登入
|
註冊
|
會員中心
|
結帳
|
培訓課程
魔法弟子
|
自資出版
|
電子書
|
客服中心
|
智慧型立体會員
書名
出版社
作者
isbn
編號
5050魔法眾籌
|
NG書城
|
國際級品牌課程
|
優惠通知
|
霹靂英雄音樂精選
|
iPhone 4S JB解禁秘術:Cydia 超限軟體300+
此作者無相關書籍
文學小說
文學
|
小說
商管創投
財經投資
|
行銷企管
人文藝坊
宗教、哲學
社會、人文、史地
藝術、美學
|
電影戲劇
勵志養生
醫療、保健
料理、生活百科
教育、心理、勵志
進修學習
電腦與網路
|
語言工具
雜誌、期刊
|
軍政、法律
參考、考試、教科用書
科學工程
科學、自然
|
工業、工程
家庭親子
家庭、親子、人際
青少年、童書
玩樂天地
旅遊、地圖
|
休閒娛樂
漫畫、插圖
|
限制級
機器學習演算法動手硬幹:用PyTorch+Jupyter最佳組合達成
作者:
孫玉林/余本國
分類:
電腦與網路
/
綜論
出版社:
深智數位
出版日期:2022/1/20
ISBN:9789860776744
書籍編號:kk0544745
頁數:592
定價:
880
元
優惠價:
79
折
695
元
書價若有異動,以出版社實際定價為準
訂購後立即為您進貨
訂購後立即為您進貨:目前無庫存量,讀者下訂後,開始進入調書程序,一般天數約為2-10工作日(不含例假日)。
團購數最低為 20 本以上
評價數:
(請將滑鼠移至星星處進行評價)
目前平均評價:
文字連結
複製語法
機器學習演算法動手硬幹:用PyTorch+Jupyter最佳組合達成
圖片連結
複製語法
分
享
內容簡介
作者介紹
書籍目錄
同類推薦
機器學習演算法動手硬幹:用PyTorch+Jupyter最佳組合達成 內容簡介 ★★★【機器學習】+【演算法】★★★ ★★★★★【PyTorch】+【Jupyter】★★★★★ 一步一腳印、腳踏實地 機器學習經典演算法全面講解 我們平常視為理所當然的L1、L2、Softmax,Cross Entropy,都是基礎的機器學習所推導出來的,很多人以為不需要學的機器學習演算法,才是站穩腳步的基本大法! 本書就是讓你可以用Python來真正真槍實戰上手機器學習。從最基礎的資料清理、特徵工程開始,一直到資料集遺漏值的研究,包括了特徵變換、建構,降維等具有實用性的技巧,之後說明了模型是什麼,接下來全書就是各種演算法的詳解,最後還有一個難得的中文自然語言處理的案例,不像一般機器學習的書千篇一律MNIST手寫辨識、人臉辨識這麼平凡的東西,難得有深入「機器學習」的動手書,讓你真的可以在人工智慧的領域中走的長長久久。 大集結!聚類演算法 ✪K-means 聚類 ✪系統聚類 ✪譜聚類 ✪模糊聚類 ✪密度聚類 ✪高斯混合模型聚類 ✪親和力傳播聚類 ✪BIRCH 聚類 技術重點 ✪資料探索與視覺化 ✪Python實際資料集特徵工程 ✪模型選擇和評估 ✪Ridge回歸分析、LASSO回歸分析以及Logistic回歸分析 ✪時間序列分析 ✪聚類演算法與異常值檢測 ✪決策樹、隨機森林、AdaBoost、梯度提升樹 ✪貝氏演算法和K-近鄰演算法 ✪支持向量機和類神經網路 ✪關聯規則與文字探勘 ✪PyTorch深度學習框架
作者簡介 余本國 博士、碩士研究生導師。主講線性代數、高等數學、微積分、機率統計、數學實驗、Python語言、大數據分析基礎等課程。 2012年到加拿大York University做訪問學者。 現工作於海南醫學院生物醫學信息與工程學院。 作品有《Python數據分析基礎》、《基於Python的大數據分析基礎及實戰》等書。 孫玉林 長期從事大數據統計分析、機器學習與電腦視覺等方面的研究,曾多次獲得數學建模與資料探勘比賽一等獎。 出版《Python在機器學習的應用》、《R語言統計分析與機器學習》、《PyTorch深度學習入門與實戰》等著作。
目錄 01 Python 機器學習入門 1.1 機器學習簡介 1.2 安裝Anaconda(Python) 1.3 Python 快速入門 1.4 Python 基礎函數庫入門實戰 1.5 機器學習模型初探 1.6 本章小結 02 資料探索與視覺化 2.1 遺漏值處理 2.2 資料描述與異常值發現 2.3 視覺化分析資料關係 2.4 資料樣本間的距離 2.5 本章小結 03 特徵工程 3.1 特徵變換 3.2 特徵 3.3 特徵選擇 3.4 特徵提取和降維 3.5 資料平衡方法 3.6 本章小結 04 模型選擇和評估 4.1 模型擬合效果 4.2 模型訓練技巧 4.3 模型的評價指標 4.4 本章小結 05 假設檢驗和回歸分析 5.1 假設檢驗 5.2 一元回歸 5.3 多元回歸 5.4 正規化回歸分析 5.5 Logistic 回歸分析 5.6 本章小結 06 時間序列分析 6.1 時間序列資料的相關檢驗 6.2 移動平均演算法 6.3 ARIMA 模型 6.4 SARIMA 模型 6.5 Prophet 模型預測時間序列 6.6 多元時間序列ARIMAX模型 6.7 時序資料的異常值檢測 6.8 本章小結 07 聚類演算法與異常值檢測 7.1 模型簡介 7.2 資料聚類分析 7.3 資料異常值檢測分析 7.4 本章小結 08 決策樹和整合學習 8.1 模型簡介與資料準備 8.2 決策樹模型 8.3 隨機森林模型 8.4 AdaBoost 模型 8.5 梯度提升樹(GBDT) 8.6 本章小結 09 貝氏演算法和K- 近鄰演算法 9.1 模型簡介 9.2 貝氏分類演算法 9.3 貝氏網路資料分類 9.4 K- 近鄰演算法 9.5 本章小結 10 支持向量機和類神經網路 10.1 模型簡介 10.2 支援向量機模型 10.3 全連接神經網路模型 10.4 本章小結 11 連結規則與文字探勘 11.1 模型簡介 11.2 資料連結規則探勘 11.3 文字資料前置處理 11.4 文字聚類分析 11.5 《三國演義》人物關係分析 11.6 本章小結 12 深度學習入門 12.1 深度學習介紹 12.2 PyTorch 入門 12.3 卷積神經網路辨識草書 12.4 循環神經網路新聞分類 12.5 自編碼網路重構圖像 12.6 本章小結 A 參考文獻
成為AI無法取代的那
AI應用全解,跨越技
LLM資安教戰手冊|
工程師下班有約:企業
深度學習詳解|台大李
AI 提問 X 學習
我們與機器人的光明未
全面掌握DeepSe
Microsoft
AI時代的計算機概論
為了保障您的權益,新絲路網路書店所購買的商品均享有到貨七天的鑑賞期(含例假日)。退回之商品必須於鑑賞期內寄回(以郵戳或收執聯為憑),且商品必須是全新狀態與完整包裝(商品、附件、內外包裝、隨貨文件、贈品等),否則恕不接受退貨。