Python機器學習：原理與實踐（第2版）

薛薇

Python機器學習：原理與實踐（第2版）
  • 出版商: 中國人民大學
  • 出版日期: 2023-10-01
  • 定價: $414
  • 售價: 8.5 折 $352
  • 語言: 簡體中文
  • 頁數: 356
  • ISBN: 7300321054
  • ISBN-13: 9787300321059
  • 相關分類: Machine Learning

    • 下單後立即進貨 (約4週~6週)

商品描述

機器學習是數據科學不可或缺的重要組成部分，是數據科學人才培養的核心內容之一。本書以機器學習理論+Python編程+應用實踐的“三位一體”講解方式，引領讀者進入Python機器學習領域。理論上，突出機器學習理論講解的可讀性並兼具知識的深度和廣度，旨在指導Python編程調參和實踐應用；Python編程上，突出以數據和問題為導向的Python學習路徑，借助基於模擬數據的編程直觀展示理論背後的樸素道理反芻理論理解，借助基於案例的編程完成機器學習的應用落地；應用實踐上，突出案例選擇的典型性、綜合性和多樣性，面向案例問題凸顯機器學習理論的指導作用，面向案例實現提升Python編程能力。
本書提供配套數據集、Python源代碼等學習資源，可作為高等院校數據科學、人工智能等相關專業的機器學習教學用書，也可作為Python 機器學習應用研究人員的參考用書。

作者簡介

薛薇，中國人民大學統計學院副教授，中國人民大學應用統計科學研究中心研究員。所著著作曾入選“十二五”普通高等教育本科國家級規劃教材、北京市高等教育精品教材。主要開設課程包括機器學習、統計分析軟件等。研究方向為機器學習與深度學習算法及應用研究。

目錄大綱

第1章 機器學習概述
1.1  機器學習的發展：人工智能中的機器學習
1.2  機器學習中的數據
1.3  機器學習的任務
第2章 Python機器學習基礎
2.1  Python：機器學習的首選工具
2.2  Python的集成開發環境：Anaconda
2.3  Python第三方程序包的引用
2.4  NumPy使用示例
2.5  Pandas使用示例
2.6  NumPy和Pandas的綜合應用：空氣質量監測數據的預處理
   和基本分析
2.7  Matplotlib的綜合應用：空氣質量監測數據的圖形化展示
第3章 數據預測中的相關問題
3.1  線性回歸預測模型
3.2  認識線性分類預測模型
3.3  從線性預測模型到非線性預測模型
3.4  預測模型的參數估計
3.5  預測模型的選擇
第4章 數據預測建模：貝葉斯分類器
4.1  貝葉斯概率和貝葉斯法則
4.2  樸素貝葉斯分類器
4.3  樸素貝葉斯分類器在文本分類中的應用
第5章 數據預測建模：近鄰分析
5.1  近鄰分析：K- 近鄰法
5.2  回歸預測中的K- 近鄰法
5.3  分類預測中的K- 近鄰法
5.4  基於觀測相似性的加權K- 近鄰法
5.5  K- 近鄰法的Python應用實踐
第6章 數據預測建模：決策樹
6.1  決策樹的基本概念
6.2  回歸預測中的決策樹
6.3  分類預測中的決策樹
6.4  決策樹的生長和剪枝
6.5  經典決策樹算法：分類回歸樹
6.6  決策樹的Python 應用實踐
第7章 數據預測建模：集成學習
7.1  集成學習概述
7.2  基於重抽樣自舉法的集成學習
7.3  從弱模型到強模型的構建：提升法
7.4  梯度提升樹
7.5  XGBoost算法
第8章 數據預測建模：人工神經網絡
8.1  人工神經網絡的基本概念
8.2  感知機網絡
8.3  多層感知機網絡
8.4  B-P反向傳播算法
8.5  人工神經網絡的Python應用實踐
第9章 數據預測建模：支持向量機
9.1  支持向量分類概述
9.2  完全線性可分時的支持向量分類
9.3  廣義線性可分時的支持向量分類
9.4  線性不可分時的支持向量分類
9.5  支持向量機的Python應用實踐：老年人危險體位預警
第10章 特征選擇：過濾、包裹和嵌入策略
10.1  過濾式策略下的特征選擇
10.2  包裹式策略下的特征選擇
10.3  嵌入式策略下的特征選擇
第11章 特征提取：空間變換策略
11.1  主成分分析
11.2  矩陣的奇異值分解
11.3  因子分析
第12章 揭示數據內在結構：聚類分析
12.1  聚類分析概述
12.2  基於質心的聚類模型：K-均值聚類
12.3  基於聯通性的聚類模型：系統聚類
12.4  基於密度的聚類：DBSCAN聚類
12.5  聚類分析的Python應用實踐：環境污染的區域特征分析

類似商品