作 者:(日)秋庭伸也,(日)杉山阿聖,(日)寺田學 著 鄭明智 譯
定 價:79.8
出 版 社:人民郵電出版社
出版日期:2021年06月01日
頁 數:192
裝 幀:平裝
ISBN:9787115563569
152張圖表,輕松掌握17種常用算法!沒有復雜公式,零基礎也可輕松讀懂!1.全面 網羅有監督學習和無監督學習的17種算法,涉及回歸、分類、降維、聚類等問題。2.直觀 全彩圖解,讓原本抽像復雜的算法變得一目了然,方便讀者快速了解各算法的特征,學會如何選擇恰當的算法。3.易懂 幾乎沒有數學公式和統計術語,零基礎也可輕松讀懂。4.實現 各算法均用Python代碼實現,基於Python 3.7版本,讀者可下載配套代碼資源,邊試邊學。
●第1章 機器學習基礎
1.1 機器學習概要
什麼是機器學習
機器學習的種類
機器學習的應用
1.2 機器學習的步驟
數據的重要性
有監督學習(分類)的例子
無監督學習(聚類)的例子
可視化
圖形的種類和畫法:使用Matplotlib顯示圖形的方法
使用pandas理解和處理數據
本章小結
第2章 有監督學習
2.1 算法1:線性回歸
概述
算法說明
詳細說明
2.2 算法2:正則化
概述
算法說明
詳細說明
2.3 算法3:邏輯回歸
概述
算法說明
詳細說明
2.4 算法4:支持向量機
概述
算法說明
詳細說明
2.5 算法5:支持向量機(核方法)
概述
算法說明
詳細說明
2.6 算法6:樸素貝葉斯
概述
算法說明
詳細說明
2.7 算法7:隨機森林
概述
算法說明
詳細說明
2.8 算法8:神經網絡
概述
算法說明
詳細說明
2.9 算法9:KNN
概述
算法說明
詳細說明
第3章 無監督學習
3.1 算法10:PCA
概述
算法說明
詳細說明
3.2 算法11:LSA
概述
算法說明
詳細說明
3.3 算法12:NMF
概述
算法說明
詳細說明
3.4 算法13:LDA
概述
算法說明
詳細說明
3.5 算法14:k-means算法
概述
算法說明
詳細說明
3.6 算法15:混合高斯分布
概述
算法說明
詳細說明
3.7 算法16:LLE
概述
算法說明
詳細說明
3.8 算法17:t-SNE
概述
算法說明
詳細說明
第4章 評估方法和各種數據的處理
4.1 評估方法
有監督學習的評估
分類問題的評估方法
回歸問題的評估方法
均方誤差和決定繫數指標的不同
與其他算法進行比較
超參數的設置
模型的過擬合
防止過擬合的方法
將數據分為訓練數據和驗證數據
交叉驗證
搜索超參數
4.2 文本數據的轉換處理
基於單詞出現次數的轉換
基於tf-idf的轉換
應用於機器學習模型
4.3 圖像數據的轉換處理
直接將像素信息作為數值使用
將轉換後的向量數據作為輸入來應用機器學習模型
第5章 環境搭建
5.1 Python 3的安裝
Windows
macOS
Linu
使用Anaconda在Windows上安裝
5.2 虛擬環境
通過官方安裝程序安裝Python的情況
通過Anaconda安裝Python的情況
5.3 三方包的安裝
什麼是三方包
安裝三方包的方法
參考文獻
本書基於豐富的圖示,詳細介紹了有監督學習和無監督學習的17種算法,包括線性回歸、正則化、邏輯回歸、支持向量機、核方法、樸素貝葉斯、隨機森林、神經網絡、KNN、PCA、LSA、NMF、LDA、k-means算法、混合高斯分布、LLE和t-SNE。書中針對各算法均用Python代碼進行了實現,讀者可一邊運行代碼一邊閱讀,從而加深對算法的理解。