0去购物车结算
购物车中还没有商品,赶紧选购吧!
当前位置: 图书分类 > 信息技术 > 计算机理论 > 机器学习与计算思维

相同语种的商品

浏览历史

机器学习与计算思维


联系编辑
 
标题:
 
内容:
 
联系方式:
 
  
机器学习与计算思维
  • 书号:9787030745187
    作者:杨娟
  • 外文书名:
  • 装帧:平装
    开本:16
  • 页数:152
    字数:240000
    语种:zh-Hans
  • 出版社:科学出版社
    出版时间:2023-02-01
  • 所属分类:
  • 定价: ¥49.00元
    售价: ¥38.71元
  • 图书介质:
    纸质书

  • 购买数量: 件  可供
  • 商品总价:

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

2017年,国务院印发《新一代人工智能发展规划》,要求中小学开设人工智能相关课程,并提倡以计算思维为指导,将信息技术课程从技术导向转换为科学导向。因此,“机器学习”作为人工智能技术的内核,走入我国广大中小学生的课堂是科技发展的必然选择。
  本书共11章,系统地介绍机器学习模型中常见的白盒和黑盒模型,以及这些模型统一的框架和经常被使用的技巧。本书介绍了这些技巧是如何被巧妙地封装成一种通用方法,并在适当的时候被反复使用。从框架到思路,再到解决问题的技巧,以及技巧的封装和重用,这些都是塑造良好计算思维的必经之路。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共1条问答)

  • qq_逍遥的风41423 ( 2023-07-09 23:35:42 )

    尊敬的编辑,您好!
    我最近购买了一本《机器学习与计算思维》图书,里面提供了较多的实例以供学习。但根据书中提供的网址,https://ebook.sciencepeditor.com/rs/978-7-03-074518-7/index.html,却提示无法打开。因此冒昧请求提供一份电子资料下载地址给我。不尽感激!

    王同学
    2023.7.9

总计 1 个记录,共 1 页。 第一页 上一页 下一页 最末页
用户名: 匿名用户
E-mail:
咨询内容:

目录

  • 目录
    第1章 人工智能与计算思维 1
    1.1 人工智能 1
    1.2 机器学习 2
    1.3 机器学习中的计算思维 6
    1.4 本章小结 7
    课后练习 7
    第2章 机器学习理论基础 8
    2.1 数据集 8
    2.1.1 描述空间、属性、特征和维度 8
    2.1.2 复合特征 9
    2.1.3 特征空间降维 10
    2.1.4 特征缩放及特征编码 11
    2.2 机器学习中对误差的估计 12
    2.3 代价函数、损失函数和目标函数 14
    2.4 数据预处理 14
    2.5 Python中机器学习基本流程 15
    2.6 sklearn的安装 17
    2.7 本章小结 19
    课后练习 19
    第3章 线性回归模型 20
    3.1 什么是线性回归模型 20
    3.2 简单线性回归模型 21
    3.2.1 模型建立 21
    3.2.2 不插电模拟模型训练 22
    3.2.3 sklearn中使用简单线性回归模型 23
    3.2.4 模型性能评价 24
    3.3 多元线性回归模型 26
    3.3.1 模型建立 26
    3.3.2 不插电使用梯度下降法求解系数 28
    3.3.3 sklearn中使用多元线性回归模型 30
    3.4 多项式回归 32
    3.5 学习曲线 34
    3.6 线性回归模型中的计算思维 37
    课后练习 38
    第4章 逻辑回归模型 40
    4.1 Sigmoid函数 40
    4.2 逻辑回归的基本模型 40
    4.3 逻辑回归模型的代价函数 41
    4.4 在sklearn中使用逻辑回归模型进行二元分类 42
    4.5 广义线性回归模型的防止过拟合策略 43
    4.5.1 正则式 43
    4.5.2 在sklearn中使用L1和L2范数优化模型 44
    4.6 逻辑回归中的计算思维 46
    课后练习 47
    第5章 KNN分类和回归 48
    5.1 KNN算法的模型 48
    5.2 不插电使用KNN模型进行分类 48
    5.3 不插电使用KNN回归模型 50
    5.4 F1分数 52
    5.5 KNN中的特征标准化 56
    5.6 KNN模型的计算思维 58
    课后练习 59
    第6章 朴素贝叶斯 60
    6.1 贝叶斯公式 60
    6.2 朴素贝叶斯模型 61
    6.2.1 朴素贝叶斯模型的基本原理 61
    6.2.2 不插电运用朴素贝叶斯公式进行分类预测 62
    6.3 高斯朴素贝叶斯(Gaussian NB) 63
    6.3.1 高斯朴素贝叶斯的原理 63
    6.3.2 不插电运用高斯朴素贝叶斯 65
    6.4 sklearn中的朴素贝叶斯模型 67
    6.5 在sklearn中使用NB模型 68
    6.6 ROC曲线和AUC面积 70
    6.7 朴素贝叶斯模型与计算思维 73
    课后练习 73
    第7章 决策树和随机森林 75
    7.1 决策树的表达方式 75
    7.2 训练决策树的算法 76
    7.2.1 ID3算法的基本原理 76
    7.2.2 不插电使用ID3算法构建决策树 76
    7.2.3 C4.5算法 81
    7.2.4 CART算法 82
    7.3 sklearn中使用DecisionTreeClassifier和DecisionTreeRegression工具 83
    7.3.1 sklearn中使用DecisionTreeClassifier 83
    7.3.2 sklearn中使用DecisionTreeRegressor 84
    7.4 随机森林和集成学习 86
    7.4.1 随机森林 86
    7.4.2 推进法(boosting) 87
    7.4.3 不插电应用AdaBoost 88
    7.5 决策树中的计算思维 90
    课后练习 91
    第8章 感知器和人工神经网络ANN 92
    8.1 感知器 92
    8.1.1 感知器的基本原理 92
    8.1.2 不插电训练单层感知器 94
    8.2 多层感知器(MLP) 96
    8.2.1 多层感知器的基本原理 96
    8.2.2 不插电运用两层感知器解决XOR(异或)问题 97
    8.3 反传多层感知器 99
    8.3.1 ANN的激励函数 99
    8.3.2 ANN的网络结构和节点构成 100
    8.3.3 ANN中的反传学习算法(BP) 100
    8.3.4 BP的不插电示例 104
    8.4 使用sklearn的ANN工具 107
    8.5 人工神经网络的计算思维 107
    课后练习 109
    第9章 支持向量机 111
    9.1 支持向量机SVM的基本原理 111
    9.1.1 SVM中用于分类的超平面 111
    9.1.2 SVM的目标函数 113
    9.1.3 SVM的目标函数求解 114
    9.2 单层感知器的对偶形式 114
    9.3 SVM的核函数 117
    9.4 sklearn中使用SVM工具分类 118
    课后练习 120
    第10章 聚类 121
    10.1 聚类算法的原理 121
    10.2 K均值(K-means)聚类算法 122
    10.2.1 K均值算法基本原理 122
    10.2.2 利用K均值算法进行不插电聚类 122
    10.2.3 K值的选择 126
    10.3 模糊C均值(FCM)聚类算法 126
    10.4 轮廓系数 128
    10.5 使用sklearn的K均值算法对数据进行聚类 129
    10.6 聚类模型与计算思维 131
    课后练习 131
    第11章 主成分分析(PCA)降维 132
    11.1 PCA的基本思想 132
    11.2 协方差矩阵 133
    11.3 PCA算法的实现 135
    11.4 PCA降维算法的一个实例 136
    11.5 调用sklearn的PCA模型来验证上述算法 138
    11.6 PCA降维的计算思维 140
    课后练习 140
    部分课后习题答案 141
    第3章 课后练习答案 141
    第5章 课后练习答案 144
    第6章 课后练习答案 146
    第7章 课后练习答案 147
    第8章 课后练习答案 148
    第9章 课后练习答案 150
    第10章 课后练习答案 151
    第11章 课后练习答案 151
    参考文献 153
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证