| 失效链接处理 |
|
Python机器学习手册：从数据预处理到深度学习 PDF 下载
下载地址：
版权归出版社和原作者所有，链接已删除，请购买正版
用户下载说明：
电子版仅供预览，下载后24小时内务必删除，支持正版，喜欢的请购买正版书籍：
http://product.dangdang.com/27902091.html
相关截图：  资料简介： 这是一本关于Python的图书，采用基于任务的方式来介绍如何在机器学习中使用Python。书中有近200个独立的解决方案（并提供了相关代码，读者可以复制并粘贴这些代码，用在自己的程序中），针对的都是数据科学家或机器学习工程师在构建模型时可能遇到的*常见任务，涵盖*简单的矩阵和向量运算到特征工程以及神经网络的构建。本书不是机器学习的入门书，适合熟悉机器学习的理论和概念的读者摆在案头作为参考，他们可以借鉴书中的代码，快速解决在机器学习的日常开发中遇到的挑战。 资料目录： 第1章 向量、矩阵和数组 1.0 简介 1.1 创建一个向量 问题描述 解决方案 讨论 延伸阅读 1.2 创建一个矩阵 问题描述 解决方案 讨论 延伸阅读 1.3 创建一个稀疏矩阵 问题描述 解决方案 讨论 延伸阅读 1.4 选择元素 问题描述 解决方案 讨论 1.5 展示一个矩阵的属性 问题描述 解决方案 讨论 1.6 对多个元素同时应用某个操作 问题描述 解决方案 讨论 1.7 找到值和小值 问题描述 解决方案 讨论 1.8 计算平均值、方差和标准差 问题描述 解决方案 讨论 1.9 矩阵变形 问题描述 解决方案 讨论 1.10 转置向量或矩阵 问题描述 解决方案 讨论 1.11 展开一个矩阵 问题描述 解决方案 讨论 1.12 计算矩阵的秩 问题描述 解决方案 讨论 延伸阅读 1.13 计算行列式 问题描述 解决方案 讨论 延伸阅读 1.14 获取矩阵的对角线元素 问题描述 解决方案 讨论 1.15 计算矩阵的迹 延伸阅读 1.16 计算特征值和特征向量 问题描述 解决方案 讨论 延伸阅读 1.17 计算点积 问题描述 解决方案 讨论 延伸阅读 1.18 矩阵的加/减 问题描述 解决方案 讨论 1.19 矩阵的乘法 问题描述 解决方案 讨论 延伸阅读 1.20 计算矩阵的逆 问题描述 解决方案 讨论 1.21 生成随机数 问题描述 解决方案 讨论 第2章 加载数据 2.0 简介 2.1 加载样本数据集 问题描述 解决方案 讨论 延伸阅读 2.2 创建仿真数据集 问题描述 解决方案 讨论 延伸阅读 2.3 加载CSV文件 问题描述 解决方案 讨论 2.4 加载一个Excel文件 问题描述 解决方案 讨论 2.5 加载JSON文件 问题描述 解决方案 讨论 延伸阅读 2.6 查询SQL数据库 问题描述 解决方案 讨论 延伸阅读 第3章 数据整理 3.0 简介 3.1 创建一个数据帧 问题描述 解决方案 讨论 3.2描述数据 问题描述 解决方案 讨论 3.3 浏览数据帧 问题描述 解决方案 讨论 3.4 根据条件语句来选择行 问题描述 解决方案 讨论 3.5 替换值 问题描述 解决方案 讨论 3.6 重命名列 问题描述 解决方案 讨论 3.7 计算小值、值、总和、平均值与计数值 问题描述 解决方案 讨论 3.8 查找值 问题描述 解决方案 讨论 3.9 处理缺失值 问题描述 解决方案 讨论 3.10 删除一列 问题描述 解决方案 讨论 3.11 删除一行 问题描述 解决方案 讨论 3.12 删除重复行 问题描述 解决方案 讨论 3.13 根据值对行进行分组 问题描述 解决方案 讨论 3.14 按时间段对行进行分组 问题描述 解决方案 讨论 延伸阅读 3.15 遍历一个列的数据 问题描述 解决方案 讨论 3.16 对一列的所有元素应用某个函数 问题描述 讨论 3.17 对所有分组应用一个函数 问题描述 解决方案 讨论 3.18 连接多个数据帧 问题描述 解决方案 讨论 3.19 合并两个数据帧 问题描述 解决方案 讨论 延伸阅读 第4章 处理数值型数据 4.0 简介 4.1 特征的缩放 问题描述 解决方案 讨论 延伸阅读 4.2 特征的标准化 问题描述 解决方案 讨论 4.3 归一化观察值 问题描述 解决方案 讨论 4.4 生成多项式和交互特征 问题描述 解决方案 讨论 4.5 转换特征 问题描述 解决方案 讨论 4.6 识别异常值 问题描述 解决方案 讨论 延伸阅读 4.7 处理异常值 问题描述 解决方案 讨论 延伸阅读 4.8 将特征离散化 问题描述 解决方案 讨论 延伸阅读 4.9 使用聚类的方式将观察值分组 问题描述 解决方案 讨论 4.10 删除带有缺失值的观察值 问题描述 解决方案 讨论 延伸阅读 4.11 填充缺失值 问题描述 解决方案 讨论 延伸阅读 第5章 处理分类数据 5.0 简介 5.1 对nominal型分类特征编码 问题描述 解决方案 讨论 延伸阅读 5.2 对ordinal分类特征编码 问题描述 解决方案 讨论 5.3 对特征字典编码 问题描述 解决方案 讨论 延伸阅读 5.4 填充缺失的分类值 问题描述 解决方案 讨论 延伸阅读 5.5 处理不均衡分类 问题描述 解决方案 讨论 第6章 处理文本 6.0 简介 6.1 清洗文本 问题描述 解决方案 讨论 延伸阅读 6.2 解析并清洗HTML 问题描述 解决方案 讨论 延伸阅读 6.3 移除标点 问题描述 解决方案 讨论 6.4 文本分词 问题描述 解决方案 讨论 6.5 删除停止词（stop word） 问题描述 解决方案 讨论 6.6 提取词干 问题描述 解决方案 讨论 延伸阅读 6.7 标注词性 问题描述 解决方案 讨论 延伸阅读 6.8 将文本编码成词袋（Bag of Words） 问题描述 解决方案 讨论 延伸阅读 6.9 按单词的重要性加权 问题描述 解决方案 讨论 延伸阅读 第7章 处理日期和时间 7.0 简介 7.1 把字符串转换成日期 问题描述 解决方案 讨论 延伸阅读 7.2 处理时区 问题描述 解决方案 讨论 7.3 选择日期和时间 问题描述 解决方案 讨论 7.4 将日期数据切分成多个特征 问题描述 解决方案 讨论 7.5 计算两个日期之间的时间差 问题描述 解决方案 讨论 延伸阅读 7.6 对一周内的各天进行编码 问题描述 解决方案 讨论 延伸阅读 7.7 创建一个滞后的特征 问题描述 解决方案 讨论 7.8 使用滚动时间窗口 问题描述 解决方案 讨论 延伸阅读 7.9 处理时间序列中的缺失值 问题描述 解决方案 讨论 第8章 图像处理 8.0 简介 8.1 加载图像 问题描述 解决方案 讨论 延伸阅读 8.2保存图像 问题描述 解决方案 讨论 8.3缩放图像 问题描述 解决方案 讨论 8.4裁剪图像 问题描述 解决方案 讨论 延伸阅读 8.5 图像平滑 问题描述 解决方案 讨论 延伸阅读 8.6 图像锐化 问题描述 解决方案 讨论 8.7 提升对比度 问题描述 解决方案 讨论 8.8 颜色分离 问题描述 解决方案 讨论 8.9 图像二值化 问题描述 解决方案 讨论 8.10 移除背景 问题描述 解决方案 讨论 8.11 边缘检测 问题描述 解决方案 讨论 8.12 角点检测 问题描述 解决方案 讨论 延伸阅读 8.13 为机器学习创建特征 问题描述 解决方案 讨论 8.14 将颜色平均值编码成特征 问题描述 解决方案 讨论 8.15 将色彩直方图编码成特征 问题描述 解决方案 讨论 延伸阅读 第9章 利用特征提取进行特征降维 9.0 简介 9.1 使用主成分进行特征降维 问题描述 解决方案 讨论 延伸阅读 9.2 对线性不可分数据进行特征降维 问题描述 解决方案 讨论 延伸阅读 9.3 通过化类间可分性进行特征降维 问题描述 解决方案 讨论 延伸阅读 9.4 使用矩阵分解法进行特征降维 问题描述 解决方案 讨论 延伸阅读 9.5 对稀疏数据进行特征降维 问题描述 解决方案 讨论 延伸阅读 第10章 使用特征选择进行降维 10.0 简介 10.1 数值型特征方差的阈值化 问题描述 解决方案 讨论 10.2 二值特征的方差阈值化 问题描述 解决方案 讨论 10.3 处理高度相关性的特征 问题描述 解决方案 讨论 10.4 删除与分类任务不相关的特征 问题描述 解决方案 讨论 10.5 递归式特征消除 问题描述 解决方案 讨论 延伸阅读 第11章 模型评估 11.0 简介 11.1 交叉验证模型 问题描述 解决方案 讨论 延伸阅读 11.2 创建一个基准回归模型 问题描述 解决方案 讨论 11.3 创建一个基准分类模型 问题描述 解决方案 讨论 延伸阅读 11.4 评估二元分类器 问题描述 解决方案 讨论 延伸阅读 11.5 评估二元分类 |
| Java1234官方群25： | 
|
| Java1234官方群25： | 838462530 |
苏公网安备 32061202001004号
