| 作者 |
| [美]Oliver Theobald（奥利弗· 西奥博尔德））刘翔宇 |
| 丛书名 |
| 人工智能系列 |
| 出版社 |
| 机械工业出版社* |
| ISBN |
| 9787111662242 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 本书是一本机器学习入门的必备图书，书中没有让人头晕眼花的公式推导，而是通过一些易于理解的类比、案例以及图片，以通俗易懂的方式讲解了机器学习中的一些名词和常见算法，使初学者能够很容易地掌握机器学习的相关概念工具、数据处理、回归与分析、建模与优化等内容。书中还介绍了使用代码构建一个机器学习模型，将读者带入实践环节。 本书非常适合没有任何基础的人工智能爱好者学习使用；对于对机器学习领域还不是很了解的读者来说，本书也是一本非常好的入门书籍。 |
| 目录 |
| 译者序 前言 第1章什么是机器学习 第2章机器学习种类 21监督学习 22非监督学习 23强化学习 第3章机器学习工具箱 31数据 32基础设施 33算法 34可视化 35高级工具箱 36大数据 37高级基础设施 38高级算法 第4章数据清洗 41特征选择 42行压缩 43Onehot编码 44分箱 45缺失值 第5章设置数据 51交叉验证 52需要多少数据 第6章回归分析 61计算示例 62逻辑回归 63支持向量机 第7章聚类 71k近邻 72k均值聚类 73设置k值 第8章偏差和方差 第9章人工神经网络 91概述 92构建神经网络 第10章决策树 101构建决策树 102随机森林 103Boosting 第11章集成建模 第12章开发环境 121导库 122导入数据集并预览 123查找行 124打印列名 第13章使用Python构建模型 131导库 132导入数据集 133清洗数据集 134清洗过程 135分割数据 136选择算法并配置超参数 137评估结果 第14章模型优化 141模型优化代码 142网格搜索模型代码 第15章模型测试 第16章其他资源 161机器学习 162人工智能的未来 163编程 164推荐系统 165深度学习 166未来生涯 第17章数据集下载 171世界幸福报告数据集 172酒店评论数据集 173精酿啤酒数据集 参考文献 |