Python機器學習入門：機器學習算法的理論與實踐
定 價：¥79
中 教 價：¥63.20 (8.00折）
庫 存 數： 0
《Python機器學習入門：機器學習算法的理論與實踐》全面細致地講解了機器學習的基礎知識及其應用，具體內容包括機器學習中必要的環境搭建和Python的基礎知識、有監督學習和無監督學習的理論及其實際應用案例、有監督學習和無監督學習的機器學習模式，并以理論結合公式的方式講解了Python代碼的編寫方法，以及數據的采集、處理和實際操作中機器學習的模式。本書適合人工智能、機器學習方向的學生和技術人員學習、使用，也適合廣大人工智能愛好者閱讀。
人工智能無疑是近年來熱門詞匯，而機器學習作為其基礎的理論占有舉足輕重的地位，杜宇想要進入人工智能行業的您來說，節省時間、快速入門首要問題。再多的知識也要實踐，現場實操，才是快速學習、消化的通路。《Python機器學習入門：機器學習算法的理論與實踐》正是這樣一本，從基礎理論講起，以實操驅動的方式全面展示技巧和方法，為您提供了快速入門機器學習的途徑，找到了學習的方法。
原 書 前 言人工智能將為商務活動帶來變革這個說法由來已久。商業界的注目使得更多的人都不斷地加入這個領域中來。生活中關于人工智能的信息，從面向一般人的文章，到面向專業人士的論文，以及真假難辨的報道，層出不窮。而泛濫的信息使得初學者面臨著較難的取舍選擇，使得從零基礎開始自學變得非常困難。著筆寫這本書的時候，人工智能大多指的是，諸如本書主要講解的機器學習算法機器學習模型以及為一般用戶提供的系統課題。然而，為了實現人工智能在商務活動中的應用，理解機器學習算法和構建系統的順序是很有必要的。本書將采用機器學習中常使用的Python程序語言，不僅從算法的理解方面，還從實際操作方面，帶領大家零基礎學習機器學習的模型設計。我們期待讀者通過這本書，掌握機器學習在商務活動應用中的技巧。除此之外，也希望讀者能明白人工智能和機器學習關于技術上指的是什么擅長做什么不擅長做什么等問題的關鍵。讀完這本書，相信您對人工智能、機器學習會有更深入學習的興趣。不論是想要掌握機器學習的技能從而在職場大展身手的IT工程師，還是將來想成為數據分析師的學生，如果這本書對您有幫助，我們將深感榮幸。本書的讀者對象及閱讀必要知識機器學習是在人工智能相關產品、服務的開發中，基礎的學習領域。本書是講解機器學習的基礎和實踐的書籍。本書包括機器學習開發環境的準備、實際使用方法、簡單易懂的理論部分，以及數據收集、處理和相應的機器學習模式的使用方法。 Python基礎的程序語言知識 大學線性代數和微積分知識本書的構成本書分為4個章節。第1章將介紹機器學習中必要的環境搭建和Python的基礎知識。第2章將分別舉例講解有監督學習和無監督學習。第3章將介紹有監督學習和無監督學習的機器學習模式，主要以理論結合公式的方式講解Python代碼的編寫方法。第4章將對數據的采集、處理和實際操作中機器學習模式的利用進行說明。本書樣本的運行環境及樣本程序本書各章的樣本都是在下表給出的操作環境中運行的，并且已確認沒有問題。另外，本書是以macOS操作環境為基礎進行敘述的，并通過pip命令指定庫解析進行安裝，具體參見1.4節。運行環境項目內容項目內容OSmac OS Sierra/MohevaPandas0.24.2Python3.6.1/3.6.2/3.7.0Pillow6.0.0graphviz2.40.1scikit-learn0.20.3NumPy1.16.2SciPy1.2.1matplotlib3.0.3seaborn0.9.0mecab0.996swig3.0.12mecab-ipadic2.7.0Homebrew（版本號2.1.1）mecab-python30.996.1開發環境IPython（版本號6.2.1~7.4.0）jupyter（版本號1.0.0）
目錄譯者的話原書前言第1章閱讀本書前的準備1.1Python的安裝1.1.1何為Python1.1.2Homebrew的安裝1.1.3Python3的安裝1.1.4虛擬環境的創建1.1.5為何使用venv（為何不用pyenv、anaconda）1.2Python的使用方法1.2.1輸出Hello World！1.2.2IPython的使用1.2.3四則運算1.2.4字符串的使用1.2.5列表類型的使用1.2.6字典類型的使用1.2.7其他數據類型1.2.8條件分支1.2.9循環1.2.10函數的使用1.2.11類的使用1.2.12標準庫的使用1.3Jupyter Notebook的安裝和使用1.3.1Jupyter Notebook的安裝和啟動1.3.2Jupyter Notebook的使用1.4NumPy、scikit-learn、matplotlib、Pandas的使用1.4.1NumPy的安裝和使用1.4.2scikit-learn的安裝和使用1.4.3matplotlib的安裝和使用1.4.4Pandas的安裝和使用第2章機器學習在實際中的使用2.1在工作中運用機器學習2.1.1關于機器學習2.1.2輸入輸出的格式化2.1.3分析任務的本質2.1.4實際問題的分析案例2.2用樣本數據嘗試有監督學習2.2.1嘗試分類的案例2.2.2運用決策樹分類2.2.3嘗試解決實際問題2.2.4解決實際問題的注意要點2.3用樣本數據嘗試無監督學習2.3.1無監督學習2.3.2使用樣本嘗試scikit-learn2.4小結第3章機器學習基礎理論3.1數學知識的準備3.1.1本節的學習流程3.1.2為什么數學是必要的3.1.3集合和函數基礎3.1.4線性代數基礎3.1.5微分基礎3.1.6概率統計基礎3.2機器學習的基礎3.2.1機器學習的目的3.2.2技術性的假設和用語3.2.3有監督學習概述3.2.4從泛化誤差看有監督學習3.2.5無監督學習概述3.3有監督學習3.3.1分類模型的精度評價3.3.2邏輯回歸3.3.3神經網絡3.3.4梯度提升決策樹3.4無監督學習3.4.1混合高斯模型3.4.2k-均值3.4.3層次聚類3.4.4核密度估計3.4.5t-SNE第4章數據的整合與處理4.1機器學習中數據的使用流程4.2數據的獲取和整合4.2.1數據結構的理解4.2.2從結構化數據中讀取數據4.2.3讀取數據4.2.4分組聚合4.2.5時間格式的操作方法4.2.6合并4.3數據的格式化4.3.1數據種類的理解4.3.2標準化4.3.3缺省值4.4非結構化數據的處理4.4.1文本數據的預處理4.4.2終端中MeCab的應用4.4.3Python中MeCab的應用4.4.4圖片數據的處理4.5不平衡數據的處理4.5.1分類問題中的不平衡數據4.5.2數據不平衡問題4.5.3一般的處理方法4.5.4樣本權重的調整4.5.5降采樣法
新書資訊 新書推薦