- 机器学习实战/图灵程序设计丛书
- - 作者：(美)哈林顿|译者:李锐//李鹏//曲亚东//王斌
  - 出版社：人民邮电
  - ISBN：9787115317957
  - 出版日期：2013/06/01
  - 页数：315
- 售价：27.6

内容大纲
    机器学习是人工智能研究领域中的一个极其重要的方向。在现今大数据时代的背景下，捕获数据并从中萃取有价值的信息或模式，使得这一过去为分析师与数学家所专属的研究领域越来越为人们瞩目。
    《机器学习实战》由哈林顿所著，本书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效可复用的Python代码阐释如何处理统计数据，进行数据分析及可视化。读者可从中学到一些核心的机器学习算法，并将其运用于某些策略性任务中，如分类、预测及推荐等。
    《机器学习实战》适合机器学习相关研究人员及互联网从业人员学习参考。
作者介绍
Peter Harrington，拥有电气工程学士和硕士学位，他曾经在美国加州和中国的英特尔公司工作7年。Peter拥有5项美国专利，在三种学术期刊上发表过文章。他现在是Zillabyte公司的首席科学家，在加入该公司之前，他曾担任2年的机器学习软件顾问。Peter在业余时间还参加编程竞赛和建造3D打印机。
目录
第一部分分类
第1章  机器学习基础
第2章  k-近邻算法
第3章  决策树
第4章  基于概率论的分类方法：朴素贝叶斯
第5章  Logistic回归
第6章  支持向量机
第7章  利用AdaBoost元算法提高分类性能
第二部分利用回归预测数值型数据
第8章  预测数值型数据：回归
第9章  树回归
第三部分无监督学习
第10章  利用K-均值聚类算法对未标注数据分组
第11章  使用Apriori算法进行关联分析
第12章  使用FP-growth算法来高效发现频繁项集
第四部分其他工具
第13章  利用PCA来简化数据
第14章  利用SVD简化数据
第15章  大数据与MapReduce
附录A Python入门
附录B 线性代数
附录C 概率论复习
附录D 资源
索引
版权声明

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目