StatQuest 圖解機器學習 (全彩)

錢辰江,潘文皓

StatQuest 圖解機器學習 (全彩)

買這商品的人也買了...

簡體館年度書展｜現貨2書79折3書75折 詳見活動內容 »

簡體館年度書展｜現貨2書79折3書75折 詳見活動內容 »

相關主題

商品描述

Josh Starmer博士在YouTube的賬號“StatQuest”視頻總觀看量突破7000萬次（2024年11月統計的數據），他幫助全世界各行各業的人贏得數據科學競賽、通過考試、順利畢業、成功求職或實現晉升，因此被大家譽為“矽谷的守護神”。他那獨特的圖文表達形式和幽默的語言風格深受觀眾喜愛，這本《StatQuest圖解機器學習》結合了他創新的視覺呈現方式，深入淺出地闡釋了機器學習的基礎和高階知識，是一本輕松理解機器學習的“漫畫書”。本書前3章著重介紹了機器學習的整體框架和核心思想，自第4四章起，逐一探討了各種機器學習算法：從基礎的線性回歸（第4章）和邏輯回歸（第6章）到樸素貝葉斯（第7章）和決策樹（第10章），最後介紹了支持向量機（第11章）和神經網絡（第12章）。隨著讀者學習的深入，第5章、第8章和第9章分別介紹了機器學習的進階知識和實用技巧，如梯度下降法、模型性能度量和正則化方法等。

目錄大綱

目錄

第1章　機器學習的基本概念 001
機器學習：主要思想 002
機器學習分類問題：主要思想 003
機器學習回歸問題：主要思想 004
機器學習方法的比較：主要思想 005
機器學習的主要思想：總結 010
第2章　交叉驗證法 014
交叉驗證法：主要思想 015
第3章　統計學的基本概念 023
統計學：主要思想 024
直方圖：主要思想 025
概率分佈：主要思想 029
離散概率分佈：主要思想 030
離散概率分佈：總結 040
連續概率分佈：主要思想 041
正態（高斯）分佈：主要思想1 042
正態（高斯）分佈：主要思想2 043
其他連續概率分佈：主要思想 047
連續概率分佈：總結 048
模型：主要思想1 049
模型：主要思想2 050
殘差平方和：主要思想1 051
殘差平方和：主要思想2 052
均方誤差（MSE）：主要思想 054
R2：主要思想 056
p值：主要思想1 061
p值：主要思想2 062
p值：主要思想3 063
p值：主要思想4 064
p值：主要思想5 065
統計學的基本概念：總結 066
第4章　線性回歸 068
線性回歸：主要思想 069
擬合線：主要思想 070
線性回歸的p值和R2：主要思想 072
多元線性回歸：主要思想 073
第5章　梯度下降法 076
梯度下降法：主要思想 077
隨機梯度下降法：主要思想 097
第6章　邏輯回歸 101
邏輯回歸：主要思想1 102
邏輯回歸：主要思想2 103
邏輯回歸：主要思想3 104
擬合數據：主要思想1 108
擬合數據：主要思想2 109
擬合數據：主要思想3 110
第7章　樸素貝葉斯 113
樸素貝葉斯：主要思想 114
多項樸素貝葉斯：處理缺失數據 120
多項樸素貝葉斯 vs. 高斯樸素貝葉斯 121
樸素貝葉斯：常見問題1 126
樸素貝葉斯：常見問題2 127
樸素貝葉斯：常見問題3 128
第8章　模型性能度量 129
模型性能度量：主要思想 130
混淆矩陣：主要思想 131
靈敏度和特異度：主要思想 136
精確率和召回率：主要思想 137
真陽性率和假陽性率：主要思想 139
ROC：主要思想1 140
ROC：主要思想2 141
ROC：主要思想3 142
ROC：主要思想4 143
ROC：主要思想5 144
ROC：主要思想6 145
AUC：主要思想 151
PR曲線：主要思想1 154
PR曲線：主要思想2 155
第9章　防止過擬合的正則化方法 157
正則化：主要思想 158
嶺回歸/L2正則化：提問與回答 165
第10章　決策樹 176
分類樹與回歸樹：主要思想 177
分類樹：主要思想 180
構建分類樹：總結 193
回歸樹：主要思想1 195
回歸樹：主要思想2 196
第11章　支持向量機 211
支持向量機：主要思想 212
第12章　神經網絡 227
神經網絡：主要思想 229
激活函數：主要思想 233
逆傳播：主要思想 246
神經網絡：提問與回答 262
附錄　在課堂裏學過但需要溫習的知識 264
附錄A 關於派的概率 265
附錄B 均值、方差以及標準差 268
附錄C 計算連續概率分佈概率的電腦命令 273
附錄D 導數的主要思想 277
附錄E 多項式求導公式 280
附錄F 鏈式法則 282
致謝 288
索引 290

類似商品