打下最紮實的 AI基礎:從 scikit-learn 一步一腳印 (絕賣版)

黃永昌

  • 出版商: 佳魁資訊
  • 出版日期: 2020-02-06
  • 定價: $560
  • 售價: 7.9$442
  • 語言: 繁體中文
  • 頁數: 352
  • ISBN: 9863797987
  • ISBN-13: 9789863797982

立即出貨 (庫存 < 6)

買這商品的人也買了...

商品描述

內容簡介

  30秒極速瞭解本書精華內容

  ◆ 理論基礎
  機器學習的應用場景、機器學習應用程式開發的典型步驟
  Python機器學習開發套件:numpy、pandas和matplotlib演算法模型性能評估的指標和評估方法

  ◆ 八大常用機器學習演算法
  k-近鄰演算法、線性回歸演算法、邏輯回歸演算法、決策樹
  支持向量機、單純貝氏演算法、PCA演算法、k-平均值演算法

  ◆ 七大實戰演練案例
  糖尿病檢測、預測房價、乳腺癌檢測、鐵達尼號倖存者預測
  文件類別預測、人臉識別、文件自動分類

  ◆ 本書適用讀者
  想從事機器學習、人工智慧、深度學習及機器人相關技術的程式師和愛好者閱讀,相關院校和培訓機構也可以作為教材使用

本書特色

  通俗易懂/圖示引導/豐富實例
  高效入門機器學習最佳速成

作者簡介

黃永昌

  畢業於廈門大學自動化系。畢業後從事手機系統軟體的研發,2009年轉向Android系統軟體發展,熟悉C、Python、Java和JavaScript多種開發語言。2014年開始研究機器學習及資料採擷領域的相關知識。2015年加入ABB集團,從事智慧家居系統的開發,透過分析伺服器及用戶端日誌資料,為智慧家居系統開發智慧決策模型。

目錄大綱

Chapter 01 機器學習介紹
1.1 什麼是機器學習
1.2 機器學習有什麼用
1.3 機器學習的分類
1.4 機器學習應用程式開發的典型步驟
1.5 複習題

Chapter 02 Python機器學習軟體套件
2.1 開發環境架設
2.2 IPython簡介
2.3 Numpy簡介
2.4 Pandas簡介
2.5 Matplotlib簡介
2.6 scikit-learn簡介
2.7 複習題
2.8 擴充學習資源

Chapter 03 機器學習理論基礎
3.1 過擬合和欠擬合
3.2 成本函數
3.3 模型準確性
3.4 學習曲線
3.5 演算法模型效能最佳化
3.6 查準率和召回率
3.7 F1 Score
3.8 複習題

Chapter 04 k-近鄰演算法
4.1 演算法原理
4.2 範例:使用k-近鄰演算法進行分類
4.3 範例:使用k-近鄰演算法進行回歸擬合
4.4 實例:糖尿病預測
4.5 擴充閱讀
4.6 複習題

Chapter 05 線性回歸演算法
5.1 演算法原理
5.2 多變數線性回歸演算法
5.3 模型最佳化
5.4 範例:使用線性回歸演算法擬合正弦函數
5.5 範例:測算房價
5.6 擴充閱讀
5.7 複習題

Chapter 06 邏輯回歸演算法
6.1 演算法原理
6.2 多元分類
6.3 正規化
6.4 演算法參數
6.5 實例:乳腺癌檢測
6.6 擴充閱讀
6.7 複習題

Chapter 07 決策樹
7.1 演算法原理
7.2 演算法參數
7.3 實例:預測鐵達尼號倖存者
7.4 擴充閱讀
7.5 集合演算法
7.6 複習題

Chapter 08 支援向量機
8.1 演算法原理
8.2 核心函數
8.3 scikit-learn裡的SVM
8.4 實例:乳腺癌檢測
8.5 複習題

Chapter 09 單純貝氏演算法
9.1 演算法原理
9.2 一個簡單的實例
9.3 機率分佈
9.4 連續值的處理
9.5 實例:文件分類
9.6 複習題

Chapter 10 PCA演算法
10.1 演算法原理
10.2 PCA演算法範例
10.3 PCA的資料還原率及應用
10.4 實例:人臉識別
10.5 擴充閱讀
10.6 複習題

Chapter 11 k-平均值演算法
11.1 演算法原理
11.2 scikit-learn裡的k-平均值演算法
11.3 使用k-平均值對文件進行分群分析
11.4 分群演算法效能評估
11.5 複習題

Appendix A 後記
A.1 回顧與展望