☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

　　用火的Python語言、通過各種各樣的機器學習算法來解決實際問題！　　書中介紹的主要問題如下。　　- 探索分類分析算法並將其應用於收入等級評估問題　　- 使用預測建模並將其應用到實際問題中　　- 瞭解如何使用無監督學習來執行市場細分　　- 探索數據可視化技術以多種方式與數據進行交互　　- 瞭解如何構建推薦引擎　　- 理解如何與文本數據交互並構建模型來分析它　　- 使用隱馬爾科夫模型來研究語音數據並識彆語音

內容簡介

　　在如今這個處處以數據驅動的世界中，機器學習正變得越來越大眾化。它已經被廣泛地應用於不同領域，如搜索引擎、機器人、無人駕駛汽車等。本書首先通過實用的案例介紹機器學習的基礎知識，然後介紹一些稍微復雜的機器學習算法，例如支持嚮量機、極-端隨機森林、隱馬爾可夫模型、條件隨機場、深度神經網絡，等等。

作者簡介

　　Prateek Joshi 人工智能專傢，重點關注基於內容的分析和深度學習，曾在英偉達、微軟研究院、高通公司以及矽榖的幾傢早期創業公司任職。個人博客地址： www.prateekj.com

目錄

第1 章 監督學習 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 1
1．1 簡介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 1
1．2 數據預處理技術 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 2
1．2．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 2
1．2．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 2
1．3 標記編碼方法 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 4
1．4 創建綫性迴歸器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 6
1．4．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 6
1．4．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 7
1．5 計算迴歸準確性 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 9
1．5．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 9
1．5．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 10
1．6 保存模型數據 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 10
1．7 創建嶺迴歸器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 11
1．7．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 11
1．7．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 12
1．8 創建多項式迴歸器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 13
1．8．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 13
1．8．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 14
1．9 估算房屋價格 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 15
1．9．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 15
1．9．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 16
1．10 計算特徵的相對重要性 ．．．．．．．．．．．．．．．．．．．．．．．．． 17
1．11 評估共享單車的需求分布 ．．．．．．．．．．．．．．．．．．．．． 19
1．11．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 19
1．11．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 19
1．11．3 更多內容 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 21
第2 章 創建分類器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 24
2．1 簡介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 24
2．2 建立簡單分類器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 25
2．2．1 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 25
2．2．2 更多內容 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 27
2．3 建立邏輯迴歸分類器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 27
2．4 建立樸素貝葉斯分類器 ．．．．．．．．．．．．．．．．．．．．．．．．．．． 31
2．5 將數據集分割成訓練集和測試集 ．．．．．．．．．．． 32
2．6 用交叉驗證檢驗模型準確性 ．．．．．．．．．．．．．．．．．．． 33
2．6．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 34
2．6．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 34
2．7 混淆矩陣可視化 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 35
2．8 提取性能報告 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 37
2．9 根據汽車特徵評估質量 ．．．．．．．．．．．．．．．．．．．．．．．．．．． 38
2．9．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 38
2．9．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 38
2．10 生成驗證麯綫 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 40
2．11 生成學習麯綫 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 43
2．12 估算收入階層 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 45
第3 章 預測建模 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 48
3．1 簡介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 48
3．2 用SVM 建立綫性分類器 ．．．．．．．．．．．．．．．．．．．．．．．． 49
3．2．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 49
3．2．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 50
3．3 用SVM 建立非綫性分類器 ．．．．．．．．．．．．．．．．．．．． 53
3．4 解決類型數量不平衡問題 ．．．．．．．．．．．．．．．．．．．．．．． 55
3．5 提取置信度 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 58
3．6 尋找最優超參數 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 60
3．7 建立事件預測器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 62
3．7．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 62
3．7．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 62
3．8 估算交通流量 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 64
3．8．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 64
3．8．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 64
第4 章 無監督學習——聚類．．．．．．．．．．．．．．．．．．．．．．． 67
4．1 簡介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 67
4．2 用k-means 算法聚類數據 ．．．．．．．．．．．．．．．．．．．．．．． 67
4．3 用矢量量化壓縮圖片 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 70
4．4 建立均值漂移聚類模型 ．．．．．．．．．．．．．．．．．．．．．．．．．．． 74
4．5 用凝聚層次聚類進行數據分組 ．．．．．．．．．．．．．．． 76
4．6 評價聚類算法的聚類效果 ．．．．．．．．．．．．．．．．．．．．．．． 79
4．7 用DBSCAN 算法自動估算集群數量 ．．．．． 82
4．8 探索股票數據的模式 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 86
4．9 建立客戶細分模型 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 88
第5 章 構建推薦引擎 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 91
5．1 簡介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 91
5．2 為數據處理構建函數組閤 ．．．．．．．．．．．．．．．．．．．．．．． 92
5．3 構建機器學習流水綫 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 93
5．3．1 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 93
5．3．2 工作原理 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 95
5．4 尋找最近鄰 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 95
5．5 構建一個KNN 分類器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．． 98
5．5．1 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 98
5．5．2 工作原理 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 102
5．6 構建一個KNN 迴歸器 ．．．．．．．．．．．．．．．．．．．．．．．．．． 102
5．6．1 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 102
5．6．2 工作原理 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 104
5．7 計算歐氏距離分數 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 105
5．8 計算皮爾遜相關係數 ．．．．．．．．．．．．．．．．．．．．．．．．．．．． 106
5．9 尋找數據集中的相似用戶 ．．．．．．．．．．．．．．．．．．．．． 108
5．10 生成電影推薦 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 109
第6 章 分析文本數據 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 112
6．1 簡介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 112
6．2 用標記解析的方法預處理數據 ．．．．．．．．．．．．． 113
6．3 提取文本數據的詞乾 ．．．．．．．．．．．．．．．．．．．．．．．．．．．． 114
6．3．1 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 114
6．3．2 工作原理 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 115
6．4 用詞形還原的方法還原文本的基本形式 ．．．．．．．．．．．．．．．．．．．． 116
6．5 用分塊的方法劃分文本 ．．．．．．．．．．．．．．．．．．．．．．．． 117
6．6 創建詞袋模型 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 118
6．6．1 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 118
6．6．2 工作原理 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 120
6．7 創建文本分類器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 121
6．7．1 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 121
6．7．2 工作原理 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 123
6．8 識彆性彆 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 124
6．9 分析句子的情感 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 125
6．9．1 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 126
6．9．2 工作原理 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 128
6．10 用主題建模識彆文本的模式 ．．．．．．．．．．．．．．． 128
6．10．1 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 128
6．10．2 工作原理 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 131
第7 章 語音識彆 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 132
7．1 簡介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 132
7．2 讀取和繪製音頻數據 ．．．．．．．．．．．．．．．．．．．．．．．．．．．． 132
7．3 將音頻信號轉換為頻域 ．．．．．．．．．．．．．．．．．．．．．．．． 134
7．4 自定義參數生成音頻信號 ．．．．．．．．．．．．．．．．．．．．． 136
7．5 閤成音樂 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 138
7．6 提取頻域特徵 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 140
7．7 創建隱馬爾科夫模型 ．．．．．．．．．．．．．．．．．．．．．．．．．．．． 142
7．8 創建一個語音識彆器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．． 143
第8 章 解剖時間序列和時序數據 ．．．．．．．．．．．． 147
8．1 簡介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 147
8．2 將數據轉換為時間序列格式 ．．．．．．．．．．．．．．．．． 148
8．3 切分時間序列數據 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 150
8．4 操作時間序列數據 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 152
8．5 從時間序列數據中提取統計數字 ．．．．．．．．． 154
8．6 針對序列數據創建隱馬爾科夫模型 ．．．．． 157
8．6．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 158
8．6．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 158
8．7 針對序列文本數據創建條件隨機場 ．．．．． 161
8．7．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 161
8．7．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 161
8．8 用隱馬爾科夫模型分析股票市場數據．．．．．．．．．．．．．．．．．．．．．．．．．． 164
第9 章 圖像內容分析 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 166
9．1 簡介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 166
9．2 用OpenCV-Pyhon 操作圖像 ．．．．．．．．．．．．．．．．． 167
9．3 檢測邊 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 170
9．4 直方圖均衡化 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 174
9．5 檢測棱角 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 176
9．6 檢測SIFT 特徵點 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 178
9．7 創建Star 特徵檢測器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．． 180
9．8 利用視覺碼本和嚮量量化創建特徵 ．．．．．． 182
9．9 用極端隨機森林訓練圖像分類器 ．．．．．．．．．． 185
9．10 創建一個對象識彆器 ．．．．．．．．．．．．．．．．．．．．．．．．．．． 187
第10 章 人臉識彆 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 189
10．1 簡介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 189
10．2 從網絡攝像頭采集和處理視頻信息 ．．．． 189
10．3 用Haar 級聯創建一個人臉識彆器 ．．．．．． 191
10．4 創建一個眼睛和鼻子檢測器 ．．．．．．．．．．．．．．． 193
10．5 做主成分分析 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 196
10．6 做核主成分分析 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 197
10．7 做盲源分離 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 201
10．8 用局部二值模式直方圖創 Python機器學習經典實例 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

剛開始看，還沒有看很多，前麵數學部分翻譯的還是不錯的，後麵打算對照著英文版一起看

評分☆☆☆☆☆

好好學習，天天嚮上???!

評分☆☆☆☆☆

還沒有看，希望還可以的吧……

評分☆☆☆☆☆

深度學習，人工智能時代來瞭，好好學習

評分☆☆☆☆☆

好用，物美價廉。好用，物美價廉。

評分☆☆☆☆☆

值得一讀，紙張很好

評分☆☆☆☆☆

經典圖書，學習人工智能必備

評分☆☆☆☆☆

書是彩的，紙張質量不錯，推薦

評分☆☆☆☆☆

京東買東西方便快捷，價格實惠，快遞員服務好，送貨上門，超贊

類似圖書 點擊查看全場最低價