《机器学习算法的数学解析与Python实现》求取 ⇩
作者 | 莫凡编著 编者 |
---|---|
出版 | 未查询到或未知 |
参考页数 | ✅ 真实服务 非骗流量 ❤️ |
出版时间 | 2020(求助前请核对) 目录预览 |
ISBN号 | 无 — 违规投诉 / 求助条款 |
PDF编号 | 820163078(学习资料 勿作它用) |
求助格式 | 扫描PDF(若分多册发行,每次仅能受理1册) |
第1章机器学习概述1
1.1什么是机器学习1
1.2机器学习的几个需求层次3
1.3机器学习的基本原理5
1.4机器学习的基本概念7
1.4.1书中用到的术语介绍7
1.4.2机器学习的基本模式11
1.4.3优化方法12
1.5机器学习问题分类14
1.6常用的机器学习算法15
1.7机器学习算法的性能衡量指标16
1.8数据对算法结果的影响18
第2章机器学习所需的环境20
2.1常用环境20
2.2Python简介21
2.2.1 Python的安装23
2.2.2 Python的基本用法24
2.3Numpy简介25
2.3.1 Numpy的安装26
2.3.2 Numpy的基本用法26
2.4 Scikit-Learn简介27
2.4.1Scikit-Learn的安装28
2.4.2 Scikit-Learn的基本用法28
2.5 Pandas简介29
2.5.1Pandas的安装30
2.5.2 Pandas的基本用法31
第3章线性回归算法33
3.1线性回归:“钢铁直男”解决回归问题的正确方法33
3.1.1用于预测未来的回归问题35
3.1.2怎样预测未来38
3.1.3线性方程的“直男”本性40
3.1.4最简单的回归问题——线性回归问题44
3.2线性回归的算法原理46
3.2.1线性回归算法的基本思路46
3.2.2线性回归算法的数学解析48
3.2.3线性回归算法的具体步骤53
3.3在Python中使用线性回归算法54
3.4线性回归算法的使用场景60
第4章Logistic回归分类算法61
4.1Logistic回归:换上“S型曲线马甲”的线性回归61
4.1.1分类问题:选择困难症患者的自我救赎63
4.1.2 Logistic函数介绍66
4.1.3此回归非彼回归:“LR”辨析70
4.2Logistic回归的算法原理71
4.2.1 Logistic回归算法的基本思路71
4.2.2 Logistic回归算法的数学解析74
4.2.3 Logistic回归算法的具体步骤78
4.3在Python中使用Logistic回归算法78
4.4 Logistic回归算法的使用场景81
第5章KNN分类算法82
5.1KNN分类算法:用多数表决进行分类82
5.1.1用“同类相吸”的办法解决分类问题84
5.1.2 KNN分类算法的基本方法:多数表决86
5.1.3表决权问题89
5.1.4 KNN的具体含义89
5.2KNN分类的算法原理90
5.2.1 KNN分类算法的基本思路90
5.2.2 KNN分类算法的数学解析93
5.2.3 KNN分类算法的具体步骤94
5.3在Python中使用KNN分类算法95
5.4 KNN分类算法的使用场景96
第6章朴素贝叶斯分类算法98
6.1朴素贝叶斯:用骰子选择98
6.1.1从统计角度看分类问题99
6.1.2贝叶斯公式的基本思想102
6.1.3用贝叶斯公式进行选择104
6.2朴素贝叶斯分类的算法原理106
6.2.1朴素贝叶斯分类算法的基本思路106
6.2.2朴素贝叶斯分类算法的数学解析108
6.2.3朴素贝叶斯分类算法的具体步骤111
6.3在Python中使用朴素贝叶斯分类算法111
6.4朴素贝叶斯分类算法的使用场景112
第7章决策树分类算法114
7.1决策树分类:用“老朋友”if-else进行选择114
7.1.1程序员的选择观:if-else116
7.1.2如何种植一棵有灵魂的“树”118
7.1.3决策条件的选择艺术119
7.1.4决策树的剪枝问题122
7.2决策树分类的算法原理125
7.2.1决策树分类算法的基本思路125
7.2.2决策树分类算法的数学解析127
7.2.3决策树分类算法的具体步骤133
7.3在Python中使用决策树分类算法134
7.4决策树分类算法的使用场景135
第8章支持向量机分类算法137
8.1支持向量机:线性分类器的“王者”137
8.1.1距离是不同类别的天然间隔139
8.1.2何为“支持向量”140
8.1.3从更高维度看“线性不可分”142
8.2支持向量机分类的算法原理146
8.2.1支持向量机分类算法的基本思路146
8.2.2支持向量机分类算法的数学解析150
8.2.3支持向量机分类算法的具体步骤153
8.3在Python中使用支持向量机分类算法154
8.4支持向量机分类算法的使用场景156
第9章K-means聚类算法157
9.1用投票表决实现“物以类聚”157
9.1.1聚类问题就是“物以类聚”的实施问题159
9.1.2用“K”来决定归属类别162
9.1.3度量“相似”的距离164
9.1.4聚类问题中的多数表决165
9.2K-means聚类的算法原理168
9.2.1 K-means聚类算法的基本思路168
9.2.2 K-means聚类算法的数学解析169
9.2.3 K-means聚类算法的具体步骤170
9.3在Python中使用K-means聚类算法171
9.4 K-means聚类算法的使用场景172
第10章神经网络分类算法174
10.1用神经网络解决分类问题174
10.1.1神经元的“内心世界”177
10.1.2从神经元看分类问题180
10.1.3神经网络的“细胞”:人工神经元181
10.1.4构成网络的魔力184
10.1.5神经网络与深度学习188
10.2神经网络分类的算法原理188
10.2.1神经网络分类算法的基本思路188
10.2.2神经网络分类算法的数学解析190
10.2.3神经网络分类算法的具体步骤193
10.3在Python中使用神经网络分类算法194
10.4神经网络分类算法的使用场景195
第11章集成学习方法197
11.1集成学习方法:三个臭皮匠赛过诸葛亮197
11.1.1集成学习方法与经典机器学习算法的关系198
11.1.2集成学习的主要思想199
11.1.3几种集成结构200
11.2集成学习方法的具体实现方式202
11.2.1Bagging算法202
11.2.2 Boosting算法202
11.2.3 Stacking算法202
11.3在Python中使用集成学习方法203
11.4集成学习方法的使用场景205
2020《机器学习算法的数学解析与Python实现》由于是年代较久的资料都绝版了,几乎不可能购买到实物。如果大家为了学习确实需要,可向博主求助其电子版PDF文件。对合法合规的求助,我会当即受理并将下载地址发送给你。
高度相关资料
- 基于解释的机器学习方法
- 1997 清华大学出版社;广西科学技术出版社
- 机器学习案例分析:基于PYTHON语言
- 2020
- PYTHON数据分析
- 2020
- 数据流机器学习 MOA实例
- 2020
- 工业机器人技术基础及其应用
- 2020
- Python高级机器学习
- 2020
- 中学数学解题方法 解析法
- 1990
- 基于解释的机器学习方法
- 1997
- 计算机导论 (修订版)
- 1985年12月第1版 西北工业大学出版社
- 全球信息社会发展报告
- 2020 北京:社会科学文献出版社
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。➥ PDF文字可复制化或转WORD