數(shù)據(jù)分析與機(jī)器學(xué)習(xí)算法

定　價(jià)：￥46.00

作　者：	韓偉
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

當(dāng)當(dāng)網(wǎng) (￥32.20)

ISBN：	9787111723004	出版時(shí)間：	2023-05-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	200	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)從數(shù)據(jù)分析與機(jī)器學(xué)習(xí)算法入手，系統(tǒng)地介紹了機(jī)器學(xué)習(xí)各類(lèi)算法的原理方法和實(shí)際應(yīng)用。本書(shū)的主要內(nèi)容包括：KNN算法、樸素貝葉斯、決策樹(shù)、支持向量機(jī)、線性回歸、K-means算法、人工神經(jīng)網(wǎng)絡(luò)、卷積網(wǎng)絡(luò)深度學(xué)習(xí)以及基于Python數(shù)據(jù)分析進(jìn)行職業(yè)規(guī)劃。本書(shū)作為大數(shù)據(jù)技術(shù)與人工智能領(lǐng)域的入門(mén)教材，在內(nèi)容上涵蓋了機(jī)器學(xué)習(xí)經(jīng)典算法的基礎(chǔ)知識(shí)和應(yīng)用實(shí)例，采用Python作為編程語(yǔ)言，強(qiáng)調(diào)基本算法的應(yīng)用理解，內(nèi)容由淺入深。各部分內(nèi)容均配有相應(yīng)的任務(wù)，注重實(shí)踐應(yīng)用，便于讀者學(xué)習(xí)和掌握。本書(shū)可作為各類(lèi)職業(yè)院校大數(shù)據(jù)技術(shù)、云計(jì)算技術(shù)應(yīng)用、人工智能技術(shù)應(yīng)用等相關(guān)專(zhuān)業(yè)的教學(xué)用書(shū)，也可作為相關(guān)專(zhuān)業(yè)領(lǐng)域工程技術(shù)人員的參考用書(shū)。本書(shū)配有電子課件、源代碼、微課視頻（掃描二維碼觀看）等課程資源，選用本書(shū)作為授課教材的教師可以登錄機(jī)械工業(yè)出版社教育服務(wù)網(wǎng)（www.cmpedu.com）注冊(cè)后免費(fèi)下載，也可聯(lián)系編輯（010-88379807）咨詢(xún)。

作者簡(jiǎn)介

暫缺《數(shù)據(jù)分析與機(jī)器學(xué)習(xí)算法》作者簡(jiǎn)介

圖書(shū)目錄

前言二維碼索引項(xiàng)目1　KNN算法及應(yīng)用1任務(wù)1　車(chē)型15任務(wù)2　鳶尾花分類(lèi)17項(xiàng)目小結(jié).20拓展練習(xí)20項(xiàng)目２　樸素貝葉斯應(yīng)用23任務(wù)1　利用樸素貝葉斯商品29任務(wù)2　改進(jìn)算法33任務(wù)3　評(píng)價(jià)算法35任務(wù)4　編程實(shí)現(xiàn)樸素貝葉斯37項(xiàng)目小結(jié)39拓展練習(xí)39項(xiàng)目３　決策樹(shù)應(yīng)用41任務(wù)1　開(kāi)發(fā)人工智能的信用卡審批系統(tǒng)47任務(wù)2　處理數(shù)據(jù)的瑕疵以及特征工程50任務(wù)3　編程完成決策樹(shù)項(xiàng)目應(yīng)用52項(xiàng)目小結(jié)53拓展練習(xí)53項(xiàng)目４　支持向量機(jī)應(yīng)用55任務(wù)1　預(yù)測(cè)學(xué)生成績(jī)63任務(wù)2　用核函數(shù)處理非線性可分的數(shù)據(jù)65任務(wù)3　可視化數(shù)據(jù)67項(xiàng)目小結(jié)81拓展練習(xí)81項(xiàng)目5　線性回歸應(yīng)用83任務(wù)1　預(yù)測(cè)連鎖店消暑飲料的銷(xiāo)售量86任務(wù)2　可視化擬合結(jié)果和趨勢(shì)89任務(wù)3　度量線性回歸模型可用性.91任務(wù)4　用線性回歸模型預(yù)測(cè)房屋價(jià)格92項(xiàng)目小結(jié)96拓展練習(xí)96項(xiàng)目6　K-means算法及應(yīng)用.97任務(wù)1　利用K-means算法進(jìn)行櫻花耐寒性聚類(lèi)104任務(wù)2　數(shù)據(jù)降維107任務(wù)3　用K-means劃分球隊(duì)梯隊(duì)110項(xiàng)目小結(jié)113拓展練習(xí)113項(xiàng)目7　人工神經(jīng)網(wǎng)絡(luò)應(yīng)用115任務(wù)1　用Tensorflow實(shí)現(xiàn)手勢(shì)識(shí)別144任務(wù)2　用pytorch實(shí)現(xiàn)手寫(xiě)數(shù)字識(shí)別153任務(wù)3　利用神經(jīng)網(wǎng)絡(luò)辨認(rèn)魚(yú)的種類(lèi)157任務(wù)4　用梯度下降算法求解參數(shù).162項(xiàng)目小結(jié)164拓展練習(xí)165項(xiàng)目８　卷積網(wǎng)絡(luò)深度學(xué)習(xí)167任務(wù)1　構(gòu)造特征辨認(rèn)圖像174任務(wù)2　用卷積網(wǎng)絡(luò)識(shí)別手寫(xiě)數(shù)字179項(xiàng)目小結(jié)182拓展練習(xí)182項(xiàng)目９　基于Python數(shù)據(jù)分析進(jìn)行職業(yè)規(guī)劃183任務(wù)1　爬取數(shù)據(jù)187任務(wù)2　清洗和整理數(shù)據(jù)189任務(wù)3　分析數(shù)據(jù)、輸出報(bào)表192任務(wù)4　生成詞云圖196項(xiàng)目小結(jié)200拓展練習(xí)200參考文獻(xiàn)201