商品簡介
本書適合人工智能、機器學習方向的學生和技術人員學習、使用,也適合廣大人工智能愛好者閱讀。
名人/編輯推薦
目次
譯者的話
原書前言
第1章閱讀本書前的準備
1.1Python的安裝
1.1.1何為Python
1.1.2Homebrew的安裝
1.1.3Python3的安裝
1.1.4虛擬環境的創建
1.1.5為何使用venv(為何不用pyenv、anaconda)
1.2Python的使用方法
1.2.1輸出Hello World!
1.2.2IPython的使用
1.2.3四則運算
1.2.4字符串的使用
1.2.5列表類型的使用
1.2.6字典類型的使用
1.2.7其他數據類型
1.2.8條件分支
1.2.9循環
1.2.10函數的使用
1.2.11類的使用
1.2.12標準庫的使用
1.3Jupyter Notebook的安裝和使用
1.3.1Jupyter Notebook的安裝和啟動
1.3.2Jupyter Notebook的使用
1.4NumPy、scikit-learn、matplotlib、Pandas的使用
1.4.1NumPy的安裝和使用
1.4.2scikit-learn的安裝和使用
1.4.3matplotlib的安裝和使用
1.4.4Pandas的安裝和使用
第2章機器學習在實際中的使用
2.1在工作中運用機器學習
2.1.1關於機器學習
2.1.2輸入輸出的格式化
2.1.3分析任務的本質
2.1.4實際問題的分析案例
2.2用樣本數據嘗試有監督學習
2.2.1嘗試分類的案例
2.2.2運用決策樹分類
2.2.3嘗試解決實際問題
2.2.4解決實際問題的注意要點
2.3用樣本數據嘗試無監督學習
2.3.1無監督學習
2.3.2使用樣本嘗試scikit-learn
2.4小結
第3章機器學習基礎理論
3.1數學知識的準備
3.1.1本節的學習流程
3.1.2為什麼數學是必要的
3.1.3集合和函數基礎
3.1.4線性代數基礎
3.1.5微分基礎
3.1.6概率統計基礎
3.2機器學習的基礎
3.2.1機器學習的目的
3.2.2技術性的假設和用語
3.2.3有監督學習概述
3.2.4從泛化誤差看有監督學習
3.2.5無監督學習概述
3.3有監督學習
3.3.1分類模型的精度評價
3.3.2邏輯回歸
3.3.3神經網絡
3.3.4梯度提升決策樹
3.4無監督學習
3.4.1混合高斯模型
3.4.2k-均值
3.4.3層次聚類
3.4.4核密度估計
3.4.5t-SNE
第4章數據的整合與處理
4.1機器學習中數據的使用流程
4.2數據的獲取和整合
4.2.1數據結構的理解
4.2.2從結構化數據中讀取數據
4.2.3讀取數據
4.2.4分組聚合
4.2.5時間格式的操作方法
4.2.6合併
4.3數據的格式化
4.3.1數據種類的理解
4.3.2標準化
4.3.3缺省值
4.4非結構化數據的處理
4.4.1文本數據的預處理
4.4.2終端中MeCab的應用
4.4.3Python中MeCab的應用
4.4.4圖片數據的處理
4.5不平衡數據的處理
4.5.1分類問題中的不平衡數據
4.5.2數據不平衡問題
4.5.3一般的處理方法
4.5.4樣本權重的調整
4.5.5降採樣法
主題書展
更多主題書展
更多書展本週66折
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大,除封面破損、內頁脫落等較嚴重的狀態,其餘商品將正常出貨。
特別提醒:部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供,需以QR CODE 連結至當地網站註冊“並通過驗證程序”,方可下載使用。
無現貨庫存之簡體書,將向海外調貨:
海外有庫存之書籍,等候約45個工作天;
海外無庫存之書籍,平均作業時間約60個工作天,然不保證確定可調到貨,尚請見諒。
為了保護您的權益,「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨,請在商品鑑賞期內寄回,且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。