书籍详细信息：
机器学习基础:从入门到求职
书目信息机读格式(MARC)
| ISBN/价格： | 978-7-121-35521-9:CNY89.00 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 110000 |
| 题名责任者项： | 机器学习基础/.胡欢武编著 |
| 出版发行项： | 北京:,电子工业出版社:,2019 |
| 载体形态项： | xvii, 366页:;+图:;+24cm |
| 提要文摘： | 本书是一本机器学习算法方面的理论+实践读物, 主要包含机器学习基础理论、回归模型、分类模型、聚类模型、降维模型和深度学习模型六大部分。机器学习基础理论部分包含第1、2章, 主要介绍机器学习的理论基础和工程实践基础。第3章是回归模型部分, 主要包括模型的建立、学习策略的确定和优化算法的求解过程, 最后结合三种常见的线性回归模型实现了一个房价预测的案例。第4至11章详细介绍了几种常见的分类模型, 包括朴素贝叶斯模型、K近邻模型、决策树模型、Logistic回归模型、支持向量机模型、随机森林模型、AdaBoost模型和提升树模型, 每一个模型都给出了较为详细的推导过程和实际应用案例。第12章系统介绍了五种常见的聚类模型, 包括K-Means聚类、层次聚类、密度聚类、谱聚类和高斯混合聚类, 每一个模型的原理、优缺点和工程应用实践都给出了较为详细的说明。第13章系统介绍了四种常用的降维方式, 包括奇异值分解、主成分分析、线性判别分析和局部线性嵌入, 同样给出了详细的理论推导和分析。最后两章分别是词向量模型和深度神经网络模型, 其中, 词向量模型详细介绍了Word2Vec和Doc2Vec模型的原理推导和应用; 深度神经网络模型系统介绍了深度学习相关的各类基础知识。 |
| 题名主题： | 机器学习 |
| 中图分类： | TP181 |
| 个人名称等同： | 胡欢武 编著 |
| 记录来源： | CN 湖北三新 20190408 |
