类似推荐
编辑推荐
机器学习4部分：基础知识、有监督分类、无监督聚类、回归预测案例。
内容简介
共分为4个部分：1、基础知识：主要介绍机器学习的基本概念、Python的基础知识、常用第三方库，并结合网络爬虫及信息提取案例和股票数据图表绘制案例使读者对本部分内容有更好的理解。2、有监督分类案例：包括Iris数据分类、新闻文本数据分类、手写数字图像识别和场景文字检测共4个案例。3、无监督聚类案例：包括人脸图像聚类和文本聚类共2个案例。4、回归预测案例：包括房价预测、员工离职预测和广告点击率预测共3个案例。
章节目录
封面
版权页
指导委员会
工作委员会
序
前言
目录
第1章 基础知识
1.1 机器学习简介
1.1.1 基本概念
1.1.2 机器学习分类
1.2 Python基础
1.2.1 Python编程环境
1.2.2 基本数据类型
1.2.3 分支语句和循环语句
1.2.4 函数
1.2.5 类和对象
1.2.6 打开、关闭、读/写文件
1.2.7 异常处理
1.3 常用第三方库
1.3.1 NumPy
1.3.2 SciPy
1.3.3 Pandas
1.3.4 Matplotlib
1.3.5 Scikit-learn
1.4 案例分析
1.4.1 网络爬虫及信息提取
1.4.2 股票数据图表绘制
1.5 本章小结
1.6 参考文献
第2章 分类案例
2.1 员工离职预测
2.1.1 问题描述及数据集获取
2.1.2 求解思路和相关知识介绍
2.1.3 代码实现及分析
2.2 Iris数据分类
2.2.1 问题描述及数据集获取
2.2.2 求解思路和相关知识介绍
2.2.3 代码实现及分析
2.3 新闻文本分类
2.3.1 问题描述及数据集获取
2.3.2 求解思路和相关知识介绍
2.3.3 代码实现及分析
2.4 手写数字识别
2.4.1 问题描述及数据集获取
2.4.2 求解思路和相关知识介绍
2.4.3 代码实现及分析
2.5 本章小结
2.6 参考文献
第3章 聚类案例
3.1 人脸图像聚类
3.1.1 问题描述及数据集获取
3.1.2 求解思路和相关知识介绍
3.1.3 代码实现及分析
3.2 文本聚类
3.2.1 问题描述及数据集获取
3.2.2 求解思路和相关知识介绍
3.2.3 代码实现及分析
3.3 本章小结
3.4 参考文献
第4章 回归预测案例
4.1 房价预测
4.1.1 问题描述及数据集获取
4.1.2 求解思路和相关知识介绍
4.1.3 代码实现及分析
4.2 基于LSTM的股票走势预测
4.2.1 问题描述及数据集获取
4.2.2 求解思路和相关知识介绍
4.2.3 代码实现及分析
4.3 本章小结
4.4 参考文献
第5章 综合案例
5.1 场景文本检测
5.1.1 问题描述及数据集获取
5.1.2 求解思路和相关知识介绍
5.1.3 代码实现及分析
5.2 面部认证
5.2.1 问题描述及数据集获取
5.2.2 求解思路和相关知识介绍
5.2.3 代码实现及分析
5.3 本章小结
5.4 参考文献
附录A
A.1 逻辑回归分类器原理介绍
A.2 自己编程实现决策树分类器
A.3 支持向量机的数学推导
A.3.1 最小间隔最大化
A.3.2 对偶问题
A.4 Adaboost的数学推导和代码实现
A.4.1 数学推导
A.4.2 代码实现
A.5 神经网络的数学推导和代码实现
A.5.1 数学推导
A.5.2 代码实现
A.6 期望最大化算法和高斯混合模型
A.6.1 EM算法的原理和数学推导
A.6.2 EM算法估计高斯混合模型参数的数学推导
反侵权盗版声明
封底
机器学习案例分析（基于Python语言）是2020年由电子工业出版社出版,作者 李涛。
得书感谢您对《机器学习案例分析（基于Python语言）》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
