- 机器学习基础与案例实战(Python+Sklearn+TensorFlow慕课版人工智能应用人才能力培养新形态教材)
- - 作者：编者:张平//李晓宇|责编:王宣
  - 出版社：人民邮电
  - ISBN：9787115650153
  - 出版日期：2024/10/01
  - 页数：276
- 售价：27.92

内容大纲
机器学习作为人工智能的重要分支，已在不同行业得到了广泛应用。本书以锤炼读者机器学习相关技术的实战能力为导向，将案例与项目贯穿全文，全面系统地介绍了代表性机器学习算法及其应用。本书共12章，分为4篇，即入门篇、监督学习篇、无监督学习篇、进阶篇。入门篇概述机器学习，监督学习篇主要介绍K近邻、决策树、线性模型、支持向量机和贝叶斯模型，无监督学习篇主要介绍聚类、主成分分析和奇异值分解，进阶篇主要介绍集成学习、特征工程和深度学习。
本书可作为高校工科专业机器学习相关课程的教材，也可供相关领域的培训机构教学使用，还可作为人工智能爱好者和相关方向技术人员的参考书。
作者介绍
目录
第1篇  入门篇
  第1章  机器学习概述
    1.1  机器学习基础
      1.1.1  机器学习的定义
      1.1.2  机器学习基本概念
      1.1.3  机器学习分类
      1.1.4  机器学习开发步骤：以股价预测为例
    1.2  机器学习发展简史
    1.3  机器学习相近概念简介
      1.3.1  机器学习、深度学习和人工智能
      1.3.2  机器学习与数据挖掘
      1.3.3  机器学习与模式识别
      1.3.4  机器学习与数学建模
    1.4  机器学习典型应用领域
      1.4.1  医疗保健领域
      1.4.2  金融领城
      1.4.3  电子商务与新零售领域
      1.4.4  自然语言处理与语音识别领域
      1.4.5  物联网领域”
    1.5  综合案例：机器学习开发环境配置和使用
      1.5.1  案例概述
      1.5.2  Windows版Anaconda安装和卸载
      1.5.3  代表性的开发模式实践
      1.5.4  Linux版Anaconda安装和使用
    习题1
    实训1
第2篇  监督学习篇
  第2章  K近邻
    2.1  K近邻概述
      2.1.1  原理及图解
      2.1.2  距离度量
      2.1.3  形式化描述
      2.1.4  优势和不足
    2.2  监督学习模型评价指标
      2.2.1  分类模型评价指标
      2.2.2  回归模型评价指标
    2.3  综合案例：使用K近邻分类器预测鸢尾花类型
      2.3.1  案例概述
      2.3.2  案例实现：Python版
      2.3.3  案例实现：Sklearn版
    2.4  综合案例：使用K近邻回归器预测房价
      2.4.1  案例概述
      2.4.2  案例实现：Python版
      2.4.3  案例实现：Sklearn版
    习题2
    实训2
  第3章  决策树
    3.1  决策树概述
      3.1.1  决策树图解
      3.1.2  决策树构建

      3.1.3  纯度测量
      3.1.4  优势和不足
      3.1.5  常见决策树算法
    3.2  综合案例：使用决策树分类器预测葡萄酒类别
      3.2.1  案例概述
      3.2.2  案例实现：Python版——基于基尼系数
      3.2.3  案例实现：Python版——基于信息增益
      3.2.4  案例实现：Sklearn版
    3.3  决策树剪枝
      3.3.1  预剪枝和后剪枝
      3.3.2  剪枝技术的实现
    3.4  综合案例：基于决策树剪枝的鸢尾花分类
      3.4.1  案例概述
      3.4.2  案例实现：Sklearn版
    3.5  综合案例：使用决策树回归器预测汽车燃油效率
      3.5.1  案例概述
      3.5.2  案例实现：Python版
      3.5.3  案例实现：Sklearn版
    习题3
    实训3
  ……
第3篇  无监督学习篇
第4篇  进阶篇

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目