电子书：《scikitlearn机器学习：常用算法原理及编程实战》《scikitlearn机器学习：常用算法原理及编程实战》huang永昌
111
内容简介：
手写识别程序怎么做?■如何实现人脸识别系统?■如何过滤垃圾邮件?电子商务网站上猜你喜欢的商品是什么原理?电影网站如何去推荐符合用户喜好的电影■如何利用机器学习对消费者的特性进行细分从而更好地服务各细分市场的消费者?银行如何去检.测用户的信用卡可能被盗了通过阅读本书.你将了解这些复杂问题背后的原理.甚至你都可以自己解决这些问题本书精华内容理论基础机器学习的应用场景■机器学习编程的典型步骤python机器学习开发包: numpy、 pandas和 matplotlib■箅法模型性能评估的指标和评估方法■k-近邻算法■线性回归算法逻辑回归算■决策树朴素贝叶mpca算法mk-均值算法个实战演练案例■糖尿病检.测预测房价泰坦尼克号幸存者预测文档自动分类
scikit-learn机器学习常用算法原理及编程实战machine learning by scikit-learn: algorithms and practices黄永昌◎编著g想玩业出
图书在版编目(cip)数据cikit- learn机器学习:常用算法原理及编程实战/黄永昌编著.一北京:机械工业出版社.2018.1sbn978-7-111-59024-81.s…ⅱ.黄…ⅲ.机器学习n.tpl8中guo版本图书馆cip数据核字(2018)第016718号内容简介本书通过通俗易懂的语言、丰富的图示和生动的实例.拨开了笼罩在机器学习上方复杂的数学“乌云”.让读者以较低的代价和们槛轻松入门机器学习本书共分为11章.介绍了在 python环境下学习 saiki-lear机器学习框架的相关知识.涵盖的主要内容有机器学习概述、 python机器学习软件包、机器学习理论基础、k-近邻算法、线性回归算法、逻辑回归算法、决策树、支持向量机、朴素贝叶斯算法、pca算法和k-均值算法等本书适合有一定编程基础的读者阅读.尤其适合想从事机器学习、人工智能、深度学习及机器人相关技术的程序员和爱好者阅读。另外.相关院校和培训机构也可以将本书作为教材使用scikit- learn机器学习常用算法原理及编程实战出版发行:机械工业出版社北京市四减区百万庄大断22号邮政编码:1000责任编辑:欧振旭李华君责任校对:姚志娟印刷:中guo电影出版社印刷厂开本:186mmx240mm1/16印张:13.75书号:isbn978-759024-8定价:59.00元凡购本书.如有缺页、倒页.脱页.由本社发行部调换客服热线010)8837942688361066投热线010)8837960购书热线010)683262948837964968995259读者信箱:[email protected]版权所有·侵权必究封底无防伪标均为盗版本书法律顾问:北京大成律师事务所光/东
机器学习是近年来非常热门的方向.然而普通的程序员想要转行机器学习却困难重重。回想起来.笔者在刚开始学习机器学习时.一上来就被一大堆数学公式和推导过程所折磨.这样的ri子至今还历历在目。当时笔者也觉得机器学习是个门槛非常高的学科。但实际上.在机器学习的从业人员里.究竟有多少人需要从头去实现一个算法?又有多少人有机会去发明一个新算法?从一开始就被细节和难点缠住.这严重打击了想进入机器学习本书就是要解决这个问题。笔者希望尽量通过通俗的语言去描述算法的工作原理.并使用 saiki- – learn工具包演示算法的使用.以及算法所能解决的问题.给那些非科班出身而想半路“杀进”人工智能领域的程序员.以及对机器学习感兴趣的人提供一本入门的书籍当然.这里不是否认数学和算法实现的重要性.毕竟它们是人工智能领域的基础学科方向。万事开头难.只有打开了一扇门.才能发现一个新的五彩缤纷的世界。在这个世界里.我们可以吃到新口味的面包.也能认识那些做面包给别人吃的人。希望这本书能帮助读者打开机器学习的这扇门本书特色1.用通俗易懂的语言介绍机器学习算法的原理.符合初学者的认知规律本书讲解时首先会用通俗易懂的语言介绍常用的机器学习算法.帮助读者直观地理解每个算法的基本原理.然后用大量的图示及实例介绍如何使用 saiki-leam工具包解决现实生活中的机器学习问题。这种由浅入深、循序渐进的讲授方式.完全遵循了初学者对机器学习算法的认知规律2.丰富的示例图片.可以帮助读者更加直观地理解算法背后的原理机器学习以其背后复杂的数学原理及异常复杂的算法推导和证明过程而吓退了一大批读者。一图胜千言.本书给出了大量的图示.用图片的方式形象地介绍了算法的基本原里.让读者对算法有更加直观的理解。这样就把复杂的数学公式和冗长的文字描述浓缩到张张图片中.有效地降低了学习的门槛
3.实例丰富.可以帮助读者使用机器学习算法解决工程应用问题手写识别程序怎么做?怎么实现人脸识别系统?怎么过滤垃圾邮件?电子商务网站上猜你喜欢的商品是什么原理?怎么实现的?电影网站怎样去推荐符合用户喜好的电影?怎么利用机器学习对消费者的特性进行细分.从而更好地服务好各细分市场的消费者?银行怎样去检.测用户的信用卡可能被盗了?通过阅读本书.读者将了解到这些复杂问题背后的原理.甚至你都可以自己解决这些问题本书内容介绍第1章机器学习介绍.涵盖了机器学习的定义、应用场景及机器学习的分类.并通过个简单的示例.让读者了解机器学习的典型步骤和机器学习领域的一些专业术语第2章 python机器学习软件包.介绍了 scikit-learn开发环境的搭建步骤.以及 pythonumpy、 pandas和 matplotlib等软件包的基础知识.并通过一个 scikit-learn机器学习实例介绍了 scikit- learn的一般性原理和通用规则第3章机器学习理论基础.介绍了算法模型性能评估的指标和评估方法等理论基础本章内容是本书最关键的理论基础知识.对理解本书其他章节的内容非常重要。第4章k-近邻算法.介绍了一个有监督的机器学习算法.即k-近邻算法。该算法可以解决分类问题.也可以解决回归问题第5章线性回归算法.介绍了单变量线性回归算法和多变量线性回归算法的原理.以通过梯度下降算法迭代求解线性回归模型.并给出一个房价预测的实例。另外.本章对成本函数和使用线性回归算法对数据进行拟合也做了讲解第6章逻辑回归算法.介绍了逻辑回归算法的原理及成本函本章中主要解决的问题有:逻辑回归算法的原理是什么?怎样使用梯度下降算法解决迭代求解逻辑回归算法模型参数?什么是正则化?正则化能解决什么问题?li范数和l2范数作为模型正项有什么区别?如何使用逻辑回归算法解决乳腺癌检.测问题?第7章决策树.主要介绍了决策树的算法原理和算法参数.并给出了一个预测实例最后对集合算法做了必要讲解第8章支持向量机.主要介绍了支持向量机的基本算法原理及常用核函数.并给出了用支持向量机来解决乳腺癌检.测问题的实例。第9章朴素贝叶斯算法.首先从贝叶斯定理谈起.引入了朴素贝叶斯分类法;然后通过一个简单的例子说明了算法的基本原理;接着介绍了概率分布的概念及几种典型的概率分布:最后通过一个文档分类实例来说明朴素贝叶斯算法的应用第10章pca算法.首先介绍了pca的算法原理:然后通过一个简单的模拟运算过程帮助读者理解该算法的原理和实现步骤;最后介绍了pca算法背后的物理含义。本章
#############################################
