东坡下载:内容最丰富最安全的下载站! 文件类型库|最新更新|下载分类|排行榜

桌面主题教育相关素材下载字体下载外语学习高考考研建筑图集高考作文书法字体桌面壁纸CAD图纸考研素材
qg999钱柜娱乐硬件驱动硬件教程 → 机器学习实战 pdf完整高清版【附源代码】免费下载
机器学习实战

机器学习实战pdf完整高清版【附源代码】免费下载

  1. 大小:52.9M
  2. 语言:中文
  3. 平台:WinAll
  4. 更新:2015-07-02
  5. 等级:
  6. 类型:书集教程
  7. 网站:http://www.uzzf.com
  8. 授权:免费软件
  9. 厂商:
  10. 产地:国产软件
好用好玩 50%(0)
坑爹 坑爹 50%(0)
软件介绍软件截图相关软件软件教程网友评论下载地址
看百遍理论,不如动手自己码代码,这本书就有这个好处,用代码来诠释理论,可以帮助读者深入算法核心,加深理解。机器学习实战这本书对概念讲的简明扼要,主要是实战,用python语言尝试应用这些成熟的方法,可以锻炼自己对python语言的掌握熟练度。这里东坡小编分享机器学习实战pdf电子书籍,附源代码,有需要的点击下面的地址即可免费下载。

机器学习实战目录

第一部分 分类第1章 机器学习基础  1.1  何谓机器学习  1.1.1  传感器和海量数据  1.1.2  机器学习非常重要  1.2  关键术语  1.3  机器学习的主要任务  1.4  如何选择合适的算法  1.5  开发机器学习应用程序的步骤  1.6  Python语言的优势  1.6.1  可执行伪代码  1.6.2  Python比较流行  1.6.3  Python语言的特色  1.6.4  Python语言的缺点  1.7  NumPy函数库基础  1.8  本章小结  第2章 k-近邻算法   2.1  k-近邻算法概述  2.1.1  准备:使用Python导入数据  2.1.2  从文本文件中解析数据  2.1.3  如何测试分类器  2.2  示例:使用k-近邻算法改进约会网站的配对效果  2.2.1  准备数据:从文本文件中解析数据  2.2.2  分析数据:使用Matplotlib创建散点图  2.2.3  准备数据:归一化数值  2.2.4  测试算法:作为完整程序验证分类器  2.2.5  使用算法:构建完整可用系统  2.3  示例:手写识别系统  2.3.1  准备数据:将图像转换为测试向量  2.3.2  测试算法:使用k-近邻算法识别手写数字  2.4  本章小结  第3章 决策树   3.1  决策树的构造  3.1.1  信息增益  3.1.2  划分数据集  3.1.3  递归构建决策树  3.2  在Python中使用Matplotlib注解绘制树形图  3.2.1  Matplotlib注解  3.2.2  构造注解树  3.3  测试和存储分类器  3.3.1  测试算法:使用决策树执行分类  3.3.2  使用算法:决策树的存储  3.4  示例:使用决策树预测隐形眼镜类型  3.5  本章小结  第4章 基于概率论的分类方法:朴素贝叶斯   4.1  基于贝叶斯决策理论的分类方法  4.2  条件概率  4.3  使用条件概率来分类  4.4  使用朴素贝叶斯进行文档分类  4.5  使用Python进行文本分类  4.5.1  准备数据:从文本中构建词向量  4.5.2  训练算法:从词向量计算概率  4.5.3  测试算法:根据现实情况修改分类器  4.5.4  准备数据:文档词袋模型  4.6  示例:使用朴素贝叶斯过滤垃圾邮件  4.6.1  准备数据:切分文本  4.6.2  测试算法:使用朴素贝叶斯进行交叉验证  4.7  示例:使用朴素贝叶斯分类器从个人广告中获取区域倾向  4.7.1  收集数据:导入RSS源  4.7.2  分析数据:显示地域相关的用词  4.8  本章小结  第5章 Logistic回归   5.1  基于Logistic回归和Sigmoid函数的分类  5.2  基于最优化方法的最佳回归系数确定  5.2.1  梯度上升法  5.2.2  训练算法:使用梯度上升找到最佳参数  5.2.3  分析数据:画出决策边界  5.2.4  训练算法:随机梯度上升  5.3  示例:从疝气病症预测病马的死亡率  5.3.1  准备数据:处理数据中的缺失值  5.3.2  测试算法:用Logistic回归进行分类  5.4  本章小结  第6章 支持向量机  6.1  基于最大间隔分隔数据  6.2  寻找最大间隔  6.2.1  分类器求解的优化问题  6.2.2  SVM应用的一般框架  6.3  SMO高效优化算法  6.3.1  Platt的SMO算法  6.3.2  应用简化版SMO算法处理小规模数据集  6.4  利用完整Platt SMO算法加速优化  6.5  在复杂数据上应用核函数  6.5.1  利用核函数将数据映射到高维空间  6.5.2  径向基核函数  6.5.3  在测试中使用核函数  6.6  示例:手写识别问题回顾  6.7  本章小结  第7章 利用AdaBoost元算法提高分类性能   7.1  基于数据集多重抽样的分类器  7.1.1  bagging:基于数据随机重抽样的分类器构建方法  7.1.2  boosting  7.2  训练算法:基于错误提升分类器的性能  7.3  基于单层决策树构建弱分类器  7.4  完整AdaBoost算法的实现  7.5  测试算法:基于AdaBoost的分类  7.6  示例:在一个难数据集上应用AdaBoost  7.7  非均衡分类问题  7.7.1  其他分类性能度量指标:正确率、召回率及ROC曲线  7.7.2  基于代价函数的分类器决策控制  7.7.3  处理非均衡问题的数据抽样方法  7.8  本章小结  第二部分 利用回归预测数值型数据第8章 预测数值型数据:回归   8.1  用线性回归找到最佳拟合直线  8.2  局部加权线性回归  8.3  示例:预测鲍鱼的年龄  8.4  缩减系数来“理解”数据  8.4.1  岭回归  8.4.2  lasso  8.4.3  前向逐步回归  8.5  权衡偏差与方差  8.6  示例:预测乐高玩具套装的价格  8.6.1  收集数据:使用Google购物的API  8.6.2  训练算法:建立模型  8.7  本章小结  第9章 树回归  9.1  复杂数据的局部性建模  9.2  连续和离散型特征的树的构建  9.3  将CART算法用于回归  9.3.1  构建树  9.3.2  运行代码  9.4  树剪枝  9.4.1  预剪枝  9.4.2  后剪枝  9.5  模型树  9.6  示例:树回归与标准回归的比较  9.7  使用Python的Tkinter库创建GUI  9.7.1  用Tkinter创建GUI  9.7.2  集成Matplotlib和Tkinter  9.8  本章小结  第三部分 无监督学习第10章 利用K-均值聚类算法对未标注数据分组  10.1  K-均值聚类算法  10.2  使用后处理来提高聚类性能  10.3  二分K-均值算法  10.4  示例:对地图上的点进行聚类  10.4.1  Yahoo! PlaceFinder API  10.4.2  对地理坐标进行聚类  10.5  本章小结  第11章 使用Apriori算法进行关联分析  11.1  关联分析  11.2  Apriori原理  11.3  使用Apriori算法来发现频繁集  11.3.1  生成候选项集  11.3.2  组织完整的Apriori算法  11.4  从频繁项集中挖掘关联规则  11.5  示例:发现国会投票中的模式  11.5.1  收集数据:构建美国国会投票记录的事务数据集  11.5.2  测试算法:基于美国国会投票记录挖掘关联规则  11.6  示例:发现毒蘑菇的相似特征  11.7  本章小结  第12章 使用FP-growth算法来高效发现频繁项集  12.1  FP树:用于编码数据集的有效方式  12.2  构建FP树  12.2.1  创建FP树的数据结构  12.2.2  构建FP树  12.3  从一棵FP树中挖掘频繁项集  12.3.1  抽取条件模式基  12.3.2  创建条件FP树  12.4  示例:在Twitter源中发现一些共现词  12.5  示例:从新闻网站点击流中挖掘  12.6  本章小结  第四部分 其他工具第13章 利用PCA来简化数据  13.1  降维技术  13.2  PCA  13.2.1  移动坐标轴  13.2.2  在NumPy中实现PCA  13.3  示例:利用PCA对半导体制造数据降维  13.4  本章小结  第14章 利用SVD简化数据  14.1  SVD的应用  14.1.1  隐性语义索引  14.1.2  推荐系统  14.2  矩阵分解  14.3  利用Python实现SVD  14.4  基于协同过滤的推荐引擎  14.4.1  相似度计算  14.4.2  基于物品的相似度还是基于用户的相似度?  14.4.3  推荐引擎的评价  14.5  示例:餐馆菜肴推荐引擎  14.5.1  推荐未尝过的菜肴  14.5.2  利用SVD提高推荐的效果  14.5.3  构建推荐引擎面临的挑战  14.6  基于SVD的图像压缩  14.7  本章小结  第15章 大数据与MapReduce  15.1  MapReduce:分布式计算的框架  15.2  Hadoop流  15.2.1  分布式计算均值和方差的mapper  15.2.2  分布式计算均值和方差的reducer  15.3  在Amazon网络服务上运行Hadoop程序  15.3.1  AWS上的可用服务  15.3.2  开启Amazon网络服务之旅  15.3.3  在EMR上运行Hadoop作业  15.4  MapReduce上的机器学习  15.5  在Python中使用mrjob来自动化MapReduce  15.5.1  mrjob与EMR的无缝集成  15.5.2  mrjob的一个MapReduce脚本剖析  15.6  示例:分布式SVM的Pegasos算法  15.6.1  Pegasos算法  15.6.2  训练算法:用mrjob实现MapReduce版本的SVM  15.7  你真的需要MapReduce吗?  15.8  本章小结  附录A  Python入门  附录B  线性代数  附录C  概率论复习  附录D  资源  索引  版权声明

机器学习实战节选


PC官方
安卓官方手机版
IOS官方手机版

机器学习实战截图

下载地址

机器学习实战 pdf完整高清版【附源代码】免费下载

热门评论
最新评论
第 2 楼 本机地址CZ88.NET 网友 客人 发表于: 2017/4/24 15:07:08
可以下载的,使用手机下载 支持( 1 ) 盖楼(回复)
第 1 楼 本机地址CZ88.NET 网友 客人 发表于: 2017/4/9 12:43:36
下载不了? 支持( 0 ) 盖楼(回复)
编辑回复:小编亲测可以下载的
昵称:
表情: 高兴 可 汗 我不要 害羞 好 下下下 送花 屎 亲亲
字数: 0/500 (您的评论需要经过审核才能显示)
编辑推荐
  1. 机器学习实战 2017高考简短祝福语大全完整版 26M / 06-05 / 完整版
  2. 机器学习实战 汉仪丫丫体字体1.0 官方版 26M / 05-31 / 1.0 官方版
  3. 机器学习实战 汉仪PP体字体1.0 官方版 16M / 05-31 / 1.0 官方版
  4. 机器学习实战 王俊凯高中毕业照图片大全完整无水印版 26M / 05-31 / 完整无水印版
  5. 机器学习实战 2017六一儿童节快乐祝福动态图片无水印版 816KB / 05-31 / 无水印版
本类软件必备
  1. 教育相关
  2. 素材下载
  3. 高考考研
  4. 桌面主题
  5. 素材下载
  6. 教育相关
  7. 外语学习
  8. 教育相关
  9. 教育相关
素材ps素材图片图标素材png素材字体方正字体字体转换字体设计高考学英语高中数学高考复习学习儿童故事雅思学习日语学习
报错
请简要描述您遇到的错误,我们将尽快予以修正。
转帖到论坛
轮坛转帖HTML方式 轮坛转帖UBB方式

qg999

百度360搜索搜狗搜索