Все три тома базового учебного пособия Python Python применение программирования Python в машинном обучении от нулевой основы до проекта фактического боевого фонда анализа больших данных на основе питона и фактических боевых книг Python
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
 |
|
|
| [3 SETS] Применение Python в машинном обучении+ Python Programming от нулевой основы к проекту фактических боевых действий+ Python Foundation на основе больших данных и фактического боя | ||
 | Ценообразование | 229.40 |
| Издатель | Китайская водоснабжение и гидроэнергетическая пресса | |
| Версия | 1 | |
| Опубликованная дата | Июнь 2019 года | |
| формат | 16 | |
| автор | Ю Бен Го Сан Юлин | |
| Украсить | Платформный порядок | |
| Объем | 3 | |
| Число слов | ||
| Кодирование ISBN | 9787517074830 | |
С ростом больших данных, Python и машинное обучение быстро стали любимым временем.Эта книга избегает скучных теоретических знаний в рамках аранжировки контента, а затем следуют“————&Rdquo;В книге есть 12 глав, из которых DY ~ 4 представляет базовые знания машинного обучения; ..Для каждого алгоритма приведен процесс моделирования моделирования алгоритма внедрения кода Python Code, и в сочетании с технологией визуализации, чтобы помочь читателям лучше географический алгоритм и результаты анализа.«Применение Python в машинном обучении» -это учебник по бою, используя Python для машинного обучения.
«Python Programming от Zero Basic to Project Combat (Micro Class Video Very) - это базовый урок Python, который вводит знания, связанные с Python. , Научные научные компьютеры, управление проектами, искусственный интеллект, Python Crawler и т. Д.Среди них часть ⅰ является основной статьей Python. Аномальное явление и обработка в программах методов; расширить знания.Пройти через книгу“&Rdquo;Кроме того, эта книга оснащена 77 эпизодами микро -видео объяснений, предоставленных полного исходного кода и программного обеспечения PPT.Видеть&Ldquo; предисловие&Связанное введение в rdquo.«Программирование Python от нулевой основы до проекта фактического боя (видео -классная видеоурочная версия)» подходит для читателей Python Programming Zero, программирования Python от входа до опытных читателей, учеников в школе, on -job IT -персонал, учителя, учителя, учителя, учителя, учителя, учителя, учителя, учителя, учителя Заинтересованы в программировании Python.Эта книга также может быть использована в качестве учебного учебника для соответствующих учебных учреждений.
«Базовый анализ данных Python Basic and Real War» - это руководство по обучению для введения и анализа, как использовать Python 3.6 для обработки и анализа данных.Его основное содержание включает в себя: базовый язык питона, обработка данных, анализ данных, визуализация данных и использование работы базы данных Python, совместное использование библиотеки приложений Python Python и т. Д.
«Основная основа анализа данных и фактическая боевая борьба» в Python разделена на три части: часть DY является основным знанием, вторая часть является фактическим случаем, а третья часть - расширение и расширение.Эта книга богата содержанием и простым для понимания.
DY Глава машинное обучение введение
1.1 Задача машинного обучения
1.2 Три способа машинного обучения
1.3 Создание объединения машинного обучения
1.4 Пример машинного обучения
Глава 2 Python Common Library Введение
2.1 Установка Python (Anaconda)
2.1.1 Spyder
2.1.2 Jupyter Notebook
2.2 Общая библиотека Python
2.2.1 Библиотека Numpy
2.2.2 Библиотека Пандов
2.2.3 Библиотека Matplotlib
2.2.4 Библиотека Statsmodels
2.2.5 Библиотека Scikit-Learn
2.3 Другая база данных, обычно используемая в Python
2.4 Применение различных библиотек в Python в машинном обучении
Глава 3 Подготовка и изучение данных
3.1 Предварительная обработка данных
3.2 Инспекция гипотезы данных
3.3 Отношения данных
3.4 Визуализация данных
3.5 Извлечение и уменьшение измерения объекта
Глава 4 Обучение и оценку модели
4.1 Модельные навыки обучения
4.2 Оценка эффектов классификации
4.3 Оценка модели возврата
4.4 Оценка анализа поэзии
Глава 5 Анализ возврата
5.1 Введение в анализ возврата
5.2 Множественный анализ линейной регрессии
5.2.1 Различная линейная регрессия
5.2.2 Постепенно возвращается
5.3 Регрессионный анализ Лассо
5.4 Анализ логистической регрессии
5.5 Прогнозирование временных рядов
Глава 6 Правила ассоциации
6.1 Введение в соответствующие правила
6.2 Используйте соответствующие правила, чтобы найти правила анкет
6.3 Визуализация связанных с правилами визуализация
ГЛАВА 7 Нет.
7.1 Введение в обучение без надзора
7.2 Системный кластер
7,3 К среднего кластера
7.4 Кластер плотности
7,5 среднего кластера смены
7.6 Словарь обучающегося изображения дежурений
Глава 8 Текст модели LDA
8.1 Введение в текстовое анализ
8.2 Китайское слово
8.3 Анализ модели темы LDA "Dream of Red Mansions"
8.4 Red Mansion Dream Manatch
Глава 9 Дерево решений и интегрированное обучение
9.1 Введение модели
9.2 Предварительная обработка титанических данных
9.3 Модель дерева решений
9.4 Ветви дерева решений
9,5 Модель случайного леса
9.6 модель Adaboost
DY 0 Глава просто Байес и k рядом с категорией
10.1 Введение модели
10.2 Предварительная обработка данных по электронной почте мусора
10.3 Бейесовский спам распознавания модели
10.4 нежелательная почта на основе аномального обнаружения стоимости
10.4.1 Обнаружение аномального значения PCA
10.4.2 Выделение лесного аномального обнаружения значений
10.5 Лечение проблем дисбаланса данных
10,6 К Категории ближнего соседа
DY 1 поддержка векторной машины и нейронной сети
11.1 Введение модели
11.2 Визуализация данных о раке легких
11.3 Модель машины поддержки вектора
11.4 ВСЕ -КОНСПЕРТИВАННАЯ НЕРНАЛЬНАЯ СЕТИ
DY 2 Глава глубокое обучение введение
12.1 в -depth обучение введение
12.2 Своилка и объединение
12.3 CNN распознавание лица
12.4 CNN Обнаружение лица лица
12.5 Глубоко -взносное осушиление изображения
12.5.1 Пустая свертка
12.5.2 Взаимное преобразование изображений и блоков изображений
12.5.3 Метод обучения глубоким обучением
Отображать всю информацию