掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
機器學習算法原理與實踐 版權信息
- ISBN：9787576715217
- 條形碼：9787576715217 ; 978-7-5767-1521-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
機器學習算法原理與實踐 內容簡介
本書共13章, 主要內容包括配置開發環境、機器學習的基本概念、文件管理和KNN、線性回歸、邏輯回歸、K-means聚類算法、決策樹、集成算法、AdaBoost算法、梯度提升樹、降維算法、樸素貝葉斯、LCBM 算法等。
機器學習算法原理與實踐 目錄
**章 配置開發環境
**節 Anaconda下載與安裝
第二節 Jupyter基本操作
第三節 升級與維護
第二章 機器學習的基本概念
**節 機器學習概念
第二節 建模準備
第三節 模型訓練
第四節 建模流程
第三章 文件管理和KNN
**節 設置工作文件夾
第二節 虛擬環境的設置
第三節 KNN算法原理
第四節 預測案例
第五節 K折交叉驗證
第四章 線性回歸
**節 線性回歸方程
第二節 誤差分析
第三節 似然函數求解
第四節 回歸求解
第五節 梯度下降
第六節 評價指標
第七節 案例
第五章 邏輯回歸
**節 Sigmod函數
第二節 邏輯回歸本質
第三節 閾值
第四節 參數估計
第五節 評估指標
第六章 K—means聚類算法
**節 聚類算法的特征
第二節 算法原理
第三節 常用參數
第四節 K—means優缺點
第七章 決策樹
**節 決策樹歷史
第二節 決策樹原理
第三節 熵
第四節 構造實例
第五節 信息增益率和gini系數
第六節 回歸決策樹
第七節 剪枝方法
第八節 決策樹優缺點
第八章 集成算法
**節 隨機森林
第二節 boosting算法
第三節 stacking模型
第四節 隨機森林參數
第九章 AdaBoost算法
**節 算法原理
第二節 算法流程
第三節 參數求解
第四節 AdaBoost參數
第十章 梯度提升樹
**節 GBDT'概述
第二節 數學流程
第三節 GBDT優缺點
第四節 GBDT調參
第十一章 降維算法
**節 “維”的解釋
第二節 。PCA與SvD
第十二章 樸素貝葉斯
**節 樸素貝葉斯原理
第二節 樸素貝葉斯分類器
第三節 評估指標
第四節 樸素貝葉斯優缺點
第五節 應用場景
第十三章 LGBM算法
**節 LGBM原理概述
第二節 LGBM相關技術
第三節 GOSS采樣與直方圖優化算法
第四節 LGBM數學推導
參考文獻
展開全部
書友推薦
- >
伯納黛特,你要去哪(2021新版)
- >
苦雨齋序跋文-周作人自編集
- >
煙與鏡
- >
名家帶你讀魯迅:朝花夕拾
- >
龍榆生：詞曲概論/大家小書
- >
唐代進士錄
- >
回憶愛瑪儂
- >
朝聞道
本類暢銷
