| 失效链接处理 |
|
Python机器学习 赵涓涓 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：
https://product.dangdang.com/1514584540.html
相关截图：  资料简介： 本书以案例驱动的方式讲解机器学习算法的知识点，并以Python语言作为基础开发语言实现算法，包括目前机器学习主流算法的原理、算法流程图、算法的详细设计步骤、算法实例、算法应用、算法的改进与优化等环节。全书共分17章，前两章介绍机器学习与Python语言的相关基础知识，后面各章以案例的方式分别介绍线性回归算法、逻辑回归算法、K近邻算法、PCA降维算法、k-means算法、支持向量机算法、AdaBoost算法、决策树算法、高斯混合模型算法、随机森林算法、朴素贝叶斯算法、隐马尔可夫模型算法、BP神经网络算法、卷积神经网络算法、递归神经网络算法。本书适合作为高等院校人工智能、大数据、计算机科学、软件工程等相关专业本科生和研究生有关课程的教材，也适用于各种计算机编程、人工智能学习认证体系，还可供广大人工智能领域技术人员参考。 资料目录： 前言 章机器学习基础1 1.1引论1 1.2何谓机器学习2 1.2.1概述2 1.2.2引例2 1.3机器学习中的常用算法4 1.3.1按照学习方式划分4 1.3.2按照算法相似性划分7 1.4本章小结14 1.5本章习题14 第2章Python与数据科学15 2.1Python概述15 2.2Python与数据科学的关系16 2.3Python中常用的第三方库16 2.3.1NumPy16 2.3.2SciPy17 2.3.3Pandas17 2.3.4Matplotlib18 2.3.5Scikit-learn18 2.4编译环境18 2.4.1Anaconda19 2.4.2JupyterNotebook21 2.5本章小结23 2.6本章习题24 第3章线性回归算法25 3.1算法概述25 3.2算法流程25 3.3算法步骤26 3.4算法实例30 3.5算法应用32 3.6算法的改进与优化34 3.7本章小结34 3.8本章习题34 第4章逻辑回归算法37 4.1算法概述37 4.2算法流程38 4.3算法步骤38 4.4算法实例40 4.5算法应用45 4.6算法的改进与优化49 4.7本章小结49 4.8本章习题49 第5章K近邻算法51 5.1算法概述51 5.2算法流程52 5.3算法步骤52 5.4算法实例53 5.5算法应用54 5.6算法的改进与优化57 5.7本章小结58 5.8本章习题58 第6章PCA降维算法59 6.1算法概述59 6.2算法流程60 6.3算法步骤60 6.3.1内积与投影60 6.3.2方差62 6.3.3协方差62 6.3.4协方差矩阵63 6.3.5协方差矩阵对角化63 6.4算法实例65 6.5算法应用67 6.6算法的改进与优化68 6.7本章小结68 6.8本章习题69 第7章k-means算法70 7.1算法概述70 7.2算法流程70 7.3算法步骤71 7.3.1距离度量71 7.3.2算法核心思想72 7.3.3初始聚类中心的选择73 7.3.4簇类个数k的调整73 7.3.5算法特点74 7.4算法实例75 7.5算法应用77 7.6算法的改进与优化81 7.7本章小结81 7.8本章习题82 第8章支持向量机算法84 8.1算法概述84 8.2算法流程85 8.2.1线性可分支持向量机85 8.2.2非线性支持向量机85 8.3算法步骤85 8.3.1线性分类85 8.3.2函数间隔与几何间隔87 8.3.3对偶方法求解88 8.3.4非线性支持向量机与核函数90 8.4算法实例93 8.5算法应用95 8.6算法的改进与优化100 8.7本章小结101 8.8本章习题101 第9章AdaBoost算法102 9.1算法概述102 9.2算法流程102 9.3算法步骤103 9.4算法实例105 9.5算法应用106 9.6算法的改进与优化109 9.7本章小结110 9.8本章习题110 0章决策树算法112 10.1算法概述112 10.2算法流程113 10.3算法步骤113 10.3.1两个重要概念113 10.3.2实现步骤115 10.4算法实例115 10.5算法应用118 10.6算法的改进与优化119 10.7本章小结120 10.8本章习题120 1章高斯混合模型算法121 11.1算法概述121 11.2算法流程121 11.3算法步骤122 11.3.1构建高斯混合模型122 11.3.2EM算法估计模型参数123 11.4算法实例125 11.5算法应用127 11.6算法的改进与优化129 11.7本章小结130 11.8本章习题130 2章随机森林算法132 12.1算法概述132 12.2算法流程133 12.3算法步骤134 12.3.1构建数据集134 12.3.2基于数据集构建分类器134 12.3.3投票组合得到终结果并分析135 12.4算法实例136 12.5算法应用140 12.6算法的改进与优化142 12.7本章小结143 12.8本章习题143 3章朴素贝叶斯算法145 13.1算法概述145 13.2算法流程145 13.3算法步骤146 13.4算法实例148 13.5算法应用149 13.6算法的改进与优化151 13.7本章小结152 13.8本章习题152 4章隐马尔可夫模型算法154 14.1算法概述154 14.2算法流程154 14.3算法步骤155 14.4算法实例156 14.5算法应用159 14.6算法的改进与优化165 14.7本章小结166 14.8本章习题166 5章BP神经网络算法167 15.1算法概述167 15.2算法流程167 15.3算法步骤168 15.4算法实例170 15.5算法应用174 15.6算法的改进与优化176 15.7本章小结177 15.8本章习题177 6章卷积神经网络算法179 16.1算法概述179 16.2算法流程179 16.3算法步骤180 16.3.1向前传播阶段181 16.3.2向后传播阶段183 16.4算法实例184 16.5算法应用188 16.6算法的改进与优化193 16.7本章小结194 16.8本章习题194 7章递归神经网络算法196 17.1算法概述196 17.2算法流程197 17.3算法步骤198 17.4算法实例200 17.5算法应用204 17.6算法的改进与优化207 17.7本章小结208 17.8本章习题208 课后习题答案210 |
| Java1234官方群25： | 
|
| Java1234官方群25： | 838462530 |
苏公网安备 32061202001004号
