平台自营

5.00

商品评价 5

服务态度 5

发货速度 5

微信扫码查看移动端店铺

店铺

暂无联系方式

店内分类

商品详情

商品名称：机器学习入门之道人工智能数据科学参考书代码基于python机器学习入门之道人工智能自学入门教程人工智能商业化指南应用书籍ry

商品编号：570650833215

店铺：

重量：0.000千克

上架时间：2021-03-12 21:03:27

ISBN编号：9787115479341

书名：机器学习入门之道,机器学习入门之道

作者：中井悦司

定价：59.00元

出版社名称：人民邮电出版社

开本：16开

是否是套装：否

译者：姚待艳

更多参数>>

目录第 1章数据科学和机器学习 1 1.1　数据科学在商业领域中的作用　2 1.2　机器学习算法的分类　8 1.2.1　分类：产生类判定的算法　8 1.2.2　回归分析：预测数值的算法　9 1.2.3　聚类分析：对数据进行无监督群组化的算法　10 1.2.4　其他算法　12 1.3　本书使用的例题　13 1.3.1　基于回归分析的观测值推断　13 1.3.2　基于线性判别的新数据分类　17 1.3.3　图像文件的褪色处理（提取代表色）　18 1.3.4　识别手写文字　19 1.4　分析工具的准备　20 1.4.1　本书使用的数据分析工具　21 1.4.2　运行环境设置步骤（以CentOS 6为例）　22 1.4.3　运行环境设置步骤（以Mac OS X为例）　25 1.4.4　运行环境设置步骤（以Windows 7/8.1为例）　27 1.4.5　IPython的使用方法　30 第　2章 zui小二乘法：机器学习理论第一步　35 2.1　基于近似多项式和zui小二乘法的推断　36 ...

第 1章数据科学和机器学习 1
1.1　数据科学在商业领域中的作用　2
1.2　机器学习算法的分类　8
1.2.1　分类：产生类判定的算法　8
1.2.2　回归分析：预测数值的算法　9
1.2.3　聚类分析：对数据进行无监督群组化的算法　10
1.2.4　其他算法　12
1.3　本书使用的例题　13
1.3.1　基于回归分析的观测值推断　13
1.3.2　基于线性判别的新数据分类　17
1.3.3　图像文件的褪色处理（提取代表色）　18
1.3.4　识别手写文字　19
1.4　分析工具的准备　20
1.4.1　本书使用的数据分析工具　21
1.4.2　运行环境设置步骤（以CentOS 6为例）　22
1.4.3　运行环境设置步骤（以Mac OS X为例）　25
1.4.4　运行环境设置步骤（以Windows 7/8.1为例）　27
1.4.5　IPython的使用方法　30

第　2章 zui小二乘法：机器学习理论第一步　35
2.1　基于近似多项式和zui小二乘法的推断　36
2.1.1　训练集的特征变量和目标变量　36
2.1.2　近似多项式和误差函数的设置　38
2.1.3　误差函数zui小化条件　39
2.1.4　示例代码的确认　42
2.1.5　统计模型的zui小二乘法　46
2.2　过度拟合检出　49
2.2.1　训练集和测试集　49
2.2.2　测试集的验证结果　50
2.2.3　基于交叉检查的泛化能力验证　52
2.2.4　基于数据的过度拟合变化　54
2.3　附录：Hessian矩阵的特性　56

第3章　优推断法：使用概率的推断理论　59
3.1　概率模型的利用　60
3.1.1　“数据的产生概率”设置　60
3.1.2　基于似然函数的参数评价　65
3.1.3　示例代码的确认　69
3.2　使用简化示例的解释说明　73
3.2.1　正态分布的参数模型　74
3.2.2　示例代码的确认　76
3.2.3　推断量的评价方法（一致性和无偏性）　78
3.3　附录：样本均值及样本方差一致性和无偏性的证明　80
3.3.1　样本均值及样本方差一致性和无偏性的证明　81
3.3.2　示例代码的确认　85

第4章　感知器：分类算法的基础　89
4.1　概率梯度下降法的算法　91
4.1.1　分割平面的直线方程　91
4.1.2　基于误差函数的分类结果评价　93
4.1.3　基于梯度的参数修正　95
4.1.4　示例代码的确认　99
4.2　感知器的几何学解释　100
4.2.1　对角项的任意性和算法的收敛速度　101
4.2.2　感知器的几何学解释　103
4.2.3　对角项的几何学意义　104

第5章　Logistic回归和ROC曲线：学习模型的评价方法　107
5.1　对分类问题应用优推断法　108
5.1.1　数据发生概率的设置　108
5.1.2　基于优推断法的参数确定　112
5.1.3　示例代码的确认　114
5.2　基于ROC曲线的学习模型评价　117
5.2.1　Logistic回归在实际问题中的应用　118
5.2.2　基于ROC曲线的性能评价　120
5.2.3　示例代码的确认　123
5.3　附录：IRLS法的推导　126

第6章　K均值算法：无监督学习模型的基础　133
6.1　基于K均值算法的聚类分析和应用实例　134
6.1.1　无监督学习模型类聚类分析　134
6.1.2　基于K均值算法的聚类分析　135
6.1.3　在图像数据方面的应用　138
6.1.4　示例代码的确认　141
6.1.5　K均值算法的数学依据　143
6.2　“懒惰”学习模型K近邻法　146
6.2.1　基于K近邻法的分类　146
6.2.2　K近邻法的问题　148

第7章　EM算法：基于优推断法的监督学习　151
7.1　使用伯努利分布的优推断法　152
7.1.1　手写文字的合成方法　153
7.1.2　基于图像生成器的优推断法应用　154
7.2　使用混合分布的优推断法　157
7.2.1　基于混合分布的概率计算　157
7.2.2　EM算法的过程　158
7.2.3　示例代码的确认　161
7.2.4　基于聚类分析的探索性数据解析　165
7.3　附录：手写文字数据的采集方法　167

第8章　贝叶斯推断：以数据为基础提高置信度的手法　169
8.1　贝叶斯推断模型和贝叶斯定理　170
8.1.1　贝叶斯推断的思路　171
8.1.2　贝叶斯定理入门　172
8.1.3　使用贝叶斯推断确定正态分布：推断参数　178
8.1.4　使用贝叶斯推断确定正态分布：推断观测值分布　185
8.1.5　示例代码的确认　188
8.2　贝叶斯推断回归分析的应用　190
8.2.1　参数后期分布的计算　190
8.2.2　观测值分布的推断　194
8.2.3　示例代码的确认　195
8.3　附录：优推断法和贝叶斯推断的关系　198

后记　201

内容介绍

人工智能正在形成一股新的浪潮，它将从技术、经济、社会等各个层面改变我们的工作和生活方式。作为实现人工智能的重要技术，机器学习正在受到人工智能专家之外的更广泛人群的关注，想要了解机器学习相关知识和技术的人日益增多。本书紧紧围绕“机器学习的商业应用”这个主题，从数学原理上解释了机器学习的一些基础算法，如zui小二乘法、优推断法、感知器、Logistic回归、K均值算法、EM算法、贝叶斯推断等。全书的主旨在于帮助读者理解机器学习的本质，因此作者介绍具体的例题时，基本的着眼点是教会读者使用什么样的思维方式，以及如何进行计算，为读者探索更加复杂的深度学习领域或神经网络算法打下坚实的基础。

作者介绍

编辑推荐

评论晒单

100 好评率 %

此商品还没有设置买家印象，陪我一起等下嘛

加载评价中...

网友讨论圈

全部帖子(0) 晒单帖(0) 讨论帖(0) 问答帖(0) 圈子帖(0)

店内分类

相关分类

最近浏览

商品详情

规格参数

评论晒单

网友讨论圈

1

2

3

4

新手上路

配送与支付

服务保证

联系我们

会员中心

领取成功！感谢您的参与，祝您购物愉快~

店内分类

相关分类

最近浏览

商品详情

规格参数

评论晒单

网友讨论圈

提示

1

2

3

4

新手上路

配送与支付

服务保证

联系我们

会员中心

领取成功！感谢您的参与，祝您购物愉快~