出版社:电子工业出版社
年代:2017
定价:69.0
本书以快速上手、四分理论六分实践为出发点,讲述机器学习的算法和Python编程实践,采用“原理笔记精华+算法Python实现+问题实例+实际代码+运行调参”的形式展开,理论与实践结合,算法原理与编程实战并重。全书共13 章分为4篇展开:第一篇:机器学习基础篇(第1~6 章),讲述机器学习的基础算法,包括线性模型、决策树、贝叶斯分类、k近邻法、数据降维、聚类和EM算法;第二篇:机器学习高级篇(第7~10章),讲述经典而常用的高级机器学习算法,包括支持向量机、人工神经网络、半监督学习和集成学习;第三篇:机器学习工程篇(第11~12章),讲述机器学习工程中的实际技术,包括数据预处理,模型评估、选择与验证等。第四篇:kaggle实战篇(第13章),讲述一个kaggle竞赛题目的实战。本书内容丰富、深入浅出,算法与代码齐头并进,无论你是新手还是有经验的读者,都能快速学到你想要的。本书作为该领域的入门和提高教材,在内容上尽可能涵盖机器学习基础知识的各方面. 全书共11 章,分为3 部分展开:上篇:机器学习基础篇(第1~5 章)介绍机器学习的基础算法;中篇:机器学习高级篇(第6~9章)讲述经典而常用的高级机器学习算法(半监督学习、支持向量机、感知机与神经网络、集成学习);下篇:机器学习实战篇(第10~11 章)为实战内容,讲述数据预处理,模型评估、选择与验证等. 本书每章的算法通过大量的Python代码实现,Python代码简单优雅、易于上手,科学计算软件包众多,已经成为不少大学和研究机构进行计算机教学和科学计算的语言。相信Python编写的机器学习代码也能让读者尽快领略到这门学科的精妙之处。本书可作为高等院校计算机、数学、自动化及相关专业的本科生或研究生教材,也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。”
(印) 阿布舍克·维贾亚瓦吉亚 (Abhishek Vijayvargia) , 著
(美) 达西·哈龙 (Danish Haroon) , 著
(美) 塞巴斯蒂安·拉施卡 (Sebastian Raschka) , (美) 瓦希德·米尔贾利利 (Vahid Mirjalili) , 著
柯博文, 编著
赵涓涓, 强彦, 主编
(美) 塞巴斯蒂安·拉施卡 (Sebastian Raschka) , 著
(新加坡) 李伟梦, 著
翟锟, 胡锋, 周晓然, 编著
裔隽, 等著