| | | Python機器學習 | 該商品所屬分類:圖書 -> | 【市場價】 | 497-720元 | 【優惠價】 | 311-450元 | 【作者】 | 郭羽含陳虹肖成龍 | 【出版社】 | 機械工業出版社 | 【ISBN】 | 9787111676997 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
出版社:機械工業出版社 ISBN:9787111676997 商品編碼:10032558123865 出版時間:1900-01-01 頁數:5000 字數:20000 審圖號:9787111676997 代碼:59 作者:郭羽含陳虹肖成龍
" 內容介紹 《Python機器學習》從實用的角度出發,整合Python語言基礎、數據分析與可視化、機器學習常用算法等知識。內容從*基本的Python編程基礎入手,由淺入深、循序漸進地講授NumPy庫和Matplotlib庫,以及復雜的機器學習基本理論和算法,並突出知識的實用性和可操作性。 《Python機器學習》力求以淺顯的語言講解復雜的知識,以直觀的案例輔助讀者理解,並以圖表形式展示代碼和運行結果,配合習題鞏固讀者對知識點的掌握。 《Python機器學習》適合作為高等院校計算機類、軟件工程類和大數據相關專業本科生Python機器學習相關課程的教材,也可作為數據科學相關領域工程技術人員的參考書,還可供不具備Python語言基礎的機器學習愛好者從零開始學習。 目錄 前言 D1章Python概述 11Python簡介 111Python的產生與發展 112Python的特點 113Python的應用領域 12Python開發環境搭建 121Python安裝與配置 122Jupyter NoteBook 123PyCharm 13Python程序基本編寫方法 131Python程序編寫與執行 132Python錯誤與調試 133Python編碼規範 14本章小結 15習題 D2章Python語言基礎 21變量和簡單數據類型 211標識符和變量 212基本數據類型 213運算符和表達式 22順序結構 221賦值語句 222標準輸入和輸出 223順序結構程序舉例 23分支結構 231分支語句 232分支結構程序舉例 24循環結構 241可迭代對像 242循環語句 243循環控制語句 244循環結構程序舉例 25案例——人機對話猜數字 26本章小結 27習題 D3章基礎數據結構 31列表 311列表的基本操作 312列表相關函數 313列表選取 組 3組的基本操作 3組與列表的異同與轉換 33字典 331字典的基本操作 332遍歷字典 333字典與列表的嵌套 34案例——約瑟夫環 35本章小結 36習題 D4章函數與模塊 41函數的定義與調用 411函數的定義 412函數的調用 42函數的參數與返回值 421函數參數 422函數返回值 43兩類特殊函數 431匿名函數 432遞歸函數 44常用函數 441字符串處理函數 442GJ函數 45模塊和包 451模塊與包的導入 452常用模塊 46案例——拼單詞遊戲 47本章小結 48習題 D5章面向對像程序設計 51類與對像 511類的定義 512對像的創建與使用 513數據成員與成員方法 52繼承與重寫 521繼承 522重寫 53異常處理 531內置的異常類 532異常的捕獲與處理 533自定義異常類 54案例——超市銷售管理繫統 55本章小結 56習題 D6章NumPy數據分析 61安裝NumPy庫 62數據的獲取 621使用Python讀寫文件 622使用NumPy讀寫文件 63數組創建與使用 631數組創建和基本屬性 632數組選取 633數組操作 64數據運算 641算術運算 642比較運算 65案例——鳶尾花數據分析 66本章小結 67習題 D7章數據可視化 71安裝Matplotlib庫 72數據可視化基本流程 73設置繪圖屬性 74繪制常用圖表 74**線圖 742條形圖 743散點圖 744餅圖 75繪制GJ圖表 751組合圖 752三維圖 76案例——隨機漫步可視化 77本章小結 78習題 D8章機器學習概述 81機器學習簡介 811機器學習的定義 812機器學習的發展 813機器學習的應用領域 82機器學習的基本理論 821基本術語 822機器學習算法 823機器學習的一般流程 83安裝scikit-learn庫 84scikit-learn基本框架 841數據的加載 842模型訓練和預測 843模型的評估 844模型的保存與使用 85本章小結 86習題 D9章回歸分析 91回歸分析原理 9線性回歸 921算法原理 922實現及參數 93正則化回歸分析 931嶺回歸 932Lasso回歸 933ElasticNet回歸 94案例——不同回歸算法的 分析對比 95本章小結 96習題 D10章分類算法 101k近鄰算法 1011算法原理 1012實現及參數 1013k近鄰回歸 102樸素貝葉斯算法 1021相關概念 1022算法原理 1023實現及參數 103決策樹 1031算法原理 1032Z優特征選擇函數 1033實現及參數 104分類與回歸樹 1041算法原理 1042實現及參數 105支持向量機 1051算法原理 1052核函數 1053實現及參數 106案例——多分類器分類數據 107本章小結 108習題 D11章聚類算法 111聚類的不同思想 112k均值算法 1121算法原理 1122實現及參數 113DBSCAN算法 1131算法原理 1132實現及參數 114Agglomerative聚類 1141算法原理 1142實現及參數 115案例——聚類不同分布 形狀數據 116本章小結 117習題 D12章集成學習 121集成學習理論 122隨機森林 1221算法原理 1222實現及參數 123投票法 124提升法 125本章小結 126習題 D13章算法評估與驗證 131數據集劃分 132距離度量方法 133分類有效性指標 134回歸有效性指標 135聚類有效性指標 136參數調優 137本章小結 138習題 參考文獻
" | | | | | |