機器學習基礎:從入門到求職
胡歡武
- 出版商: 電子工業
- 出版日期: 2019-03-01
- 定價: $534
- 售價: 7.9 折 $422
- 語言: 簡體中文
- ISBN: 7121355213
- ISBN-13: 9787121355219
-
相關分類:
Machine Learning、面試技巧
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
$550$468 -
$403集體智慧編程
-
$980$774 -
$300$270 -
$352Python大戰機器學習:數據科學家的第一個小目標
-
$480$408 -
$347套路!機器學習:北美數據科學家的私房課
-
$1,200$948 -
$450深入淺出強化學習 : 原理入門
-
$403程序員的數學2 : 概率統計
-
$480$408 -
$314Azure 機器學習
-
$352深入淺出 Docker (Docker Deep Dive)
-
$232數據科學實戰指南
-
$320$288 -
$505機器學習基礎
-
$286圖說圖解機器學習
-
$449機器學習 — 原理、算法與應用
-
$294$279 -
$380$342 -
$490$417 -
$254大數據數學基礎 (Python語言描述)
-
$750$638 -
$580$493 -
$590$502
相關主題
商品描述
本書是一本機器學習算法方面的理論+實踐讀物,主要包含機器學習基礎理論、回歸模型、分類模型、聚類模型、降維模型和深度學習模型六大部分。機器學習基礎理論部分包含第1、2章,主要介紹機器學習的理論基礎和工程實踐基礎。第3章是回歸模型部分,主要包括模型的建立、學習策略的確定和優化算法的求解過程,最後結合三種常見的線性回歸模型實現了一個房價預測的案例。第4至11章詳細介紹了幾種常見的分類模型,包括樸素貝葉斯模型、K近鄰模型、決策樹模型、Logistic回歸模型、支持向量機模型、隨機森林模型、AdaBoost模型和提升樹模型,每一個模型都給出了較為詳細的推導過程和實際應用案例。第12章系統介紹了五種常見的聚類模型,包括K-Means聚類、層次聚類、密度聚類、譜聚類和高斯混合聚類,每一個模型的原理、優缺點和工程應用實踐都給出了較為詳細的說明。第13章系統介紹了四種常用的降維方式,包括奇異值分解、主成分分析、線性判別分析和局部線性嵌入,同樣給出了詳細的理論推導和分析。最後兩章分別是詞向量模型和深度神經網絡模型,其中,詞向量模型詳細介紹了Word2Vec和Doc2Vec模型的原理推導和應用;深度神經網絡模型系統介紹了深度學習相關的各類基礎知識。本書適合對人工智能和機器學習感興趣的學生、求職者和已工作人士,以及想要使用機器學習這一工具的跨行業者(有最基本的高等數學、線性代數、概率基礎即可),具體判別方法建議您閱讀本書的前言。