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
|
微處理機/單晶片組合語言教學範本(附CD)
.
一行指令學Pytho
.
一行指令學Pytho
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
一行指令學Python:用機器學習掌握人工智慧(附範例光碟)
作者:
徐聖訓
分類:
參考•考試•教科書
/
大專學院教科書
出版社:
全華圖書
出版日期:2020/9/24
ISBN:9789865034948
書籍編號:kk0520895
頁數:416
定價:
500
元
優惠價:
88
折
440
元
書價若有異動,以出版社實際定價為準
絕版書
絕版書:確定不再版的商品,僅提供書籍資訊參考。
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
一行指令學Python:用機器學習掌握人工智慧(附範例光碟)
圖片連結
複製語法
分
享
內容簡介
書籍目錄
同類推薦
一行指令學Python:用機器學習掌握人工智慧(附範例光碟) 內容簡介 現在學機器學習,正是最好的年代! 在過去要處理資料,就要用C語言撰寫函數;在Python裡,別人已寫好了許多套件,只要像是在玩樂高積木一樣,就能完成你想要的結果。因此我會說,現在是最好學機器學習的時候,你等於是站在巨人的肩膀上學習。 本書沒有複雜的數學,沒有複雜的程式碼,有系統的編排,引領你進入機器學習的世界。 我們會介紹sklearn的資料預處理;簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、k最近鄰、支持向量機、決策樹、隨機森林等監督式的機器學習模型。而在非監督模型上會介紹Kmeans。 另外,大部分的書不會強調的ColumnTransformer、管道器製作。許多書沒有解釋清楚的模型預測重要指標:正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線,我們也會一次詳細說明,讓你一手掌握。 實例演練時會操作中英文的文字處理,並做情感分析和主題探索。還有知名的大數據資料庫,包括波斯頓房價預測、鳶尾花資料、鐵達尼號資料、威斯康辛大學醫院收集的乳癌腫瘤病患預測、電信公司客戶流失預測、信用卡盜刷預測、Newsgroup新聞群組分類、Amazon商品評論預測、Tripadvisor裡兩家航空公司和數字預測。 最後教大家如何將深度學習的模組也包裝到sklearn。 現在就讓我們一起學習Python,用機器學習掌握人工智慧。 本書特色 1.本書利用Python的sklearn套件做資料預處理。 2.本書介紹簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、k最近鄰、支持向量機、決策樹、隨機森林等監督式的機器學習模型。 3.在非監督模型的部分,會介紹Kmeans。 4.內容清楚說明ColumnTransformer、管道器製作。及許多書沒有解釋清楚的模型預測重要指標:正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線。 5.以實例演練方式操作中英文的文字分析、大數據資料庫分析及預測等應用。
目錄 Ch00 機器學習介紹 第一部分 Python快速複習 Ch01 Python基本功能介紹 Ch02 Pandas DataFrame介紹 第二部分 Sklearn資料預處理 Ch03 資料預處理 第三部分 線性迴歸 Ch04 Simple Regression Ch05 多元線性迴歸 第四部分 監督式學習 Ch06 羅吉斯迴歸 Ch07 K最近鄰 Ch08 支持向量機 Ch09 決策樹 Ch10交叉驗證 Ch11 模型參數挑選和網格搜尋 Ch12 組合預測器 Ch13 員工流失率預測 Ch14 客戶流失率預測 Ch15 信用偵測 第五部分 文字分析 Ch16 文字處理 Ch17 Amazon商品評論分析 Ch18 中文文字處理 第六部分 非監督式學習 Ch19 Kmean集群分析 第七部分 深度學習包裝 Ch20 keras深度學習
眼科及視光儀器學【含
電氣安全(第四版)
運動生理學(第四版)
環境與生態(第五版)
新編婦女健康(第三版
人體解剖學(第二版)
職業安全衛生:心智圖
工業通風(第八版)
圖解人體生理學:一看
智慧領導、組織文化與
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。