機器學習實踐指南 机器学习实践指南
阿圖爾·特裡帕蒂 (Atul Tripathi)
- 出版商: 機械工業
- 出版日期: 2018-03-01
- 定價: $474
- 售價: 7.5 折 $356
- 語言: 簡體中文
- 頁數: 350
- 裝訂: 平裝
- ISBN: 7111592123
- ISBN-13: 9787111592129
-
相關分類:
Machine Learning
- 此書翻譯自: Machine Learning Cookbook
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
$359$341 -
$648$616 -
$250Spark大數據處理:原理、算法與實例
-
$403系統辨識
-
$347套路!機器學習:北美數據科學家的私房課
-
$327高效機器學習:理論、算法及實踐
-
$398大數據與智能計算
-
$454TensorFlow 深度學習應用實踐
-
$301圖形數據可視化 : 技術、工具與案例 (Visualizing Graph Data)
-
$301數據科學導論:Python語言實現(原書第2版)
-
$301機器學習 理論 實踐與提高
-
$356機器學習:實用技術指南
-
$356實用機器學習
-
$352區塊鏈安全技術指南
-
$280數據科學與大數據技術導論
-
$690$538 -
$301Python 數據科學導論:概念、技術與應用
-
$356Kotlin 從入門到進階實戰
-
$607機器學習實戰:基於 Scikit-Learn 和 TensorFlow (Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques for Building Intelligent Systems)
-
$450$351 -
$352區塊鏈底層設計 Java 實戰
-
$301scikit-learn 機器學習, 2/e (Mastering Machine Learning with scikit-learn, 2/e)
-
$480$379 -
$454Android 移動開發案例課堂
-
$580$493
相關主題
商品描述
機器學習應用遍及人工智能的各個領域,是眾多數學科學家需要學習的內容。本書第壹部分提供了一個相當復雜的機器學習系統,以幫助讀者提高其效率。第二部分重點介紹了三個不同的基於現實世界的數據的案例研究,並提供相應解決方案。全書通過知識介紹,使讀者瞭解收集數據、準備使用數據、訓練模型、評估模型的性能,以及改進模型的性能的方法;通過對實際問題解決的講解,幫助讀者獲得處理機器學習問題的經驗。
作者簡介
作者:(英)阿圖爾·特里帕蒂 譯者:王喆、曹建勳
阿圖爾·特里帕蒂(Atul Tripathi),在機器學習和量化投資領域有超過11年的從業經歷,並擁有14年的軟件開發和研究經驗。他一直致力於先進的機器學習技術,如神經網絡和馬爾可夫模型的研究。在研究機器學習技術的同時,他利用其解決了圖像處理、電信、語音識別和自然語言處理等領域相關的諸多問題。他還利用神經網絡模型開發了文本挖掘工具。在量化投資領域,他利用蒙特卡羅仿真開發了價值風險、極值定理、期權定價和能源衍生品等模型。
目錄大綱
前言
第1章機器學習引言1
1.1什麼是機器學習1
1.2分類方法概述2
1.3聚類方法概述2
1.4監督學習概述3
1.5無監督學習概述4
1.6增強學習概述4
1.7結構化預測概述5
1.8神經網絡概述5
1.9深度學習概述6
第2章分類7
2.1引言7
2.2判別函數分析:地下鹵水地質化學測量8
2.3多元邏輯回歸:理解學生的課程計劃選擇15
2.4 Tobit回歸:評估學生的學術能力20
2.5泊松回歸:理解加拉帕戈斯群島現存物種27
第3章聚類38
3.1引言38
3.2層次聚類:世界銀行樣本數據集39
3.3層次聚類:1999~2010年
亞馬遜雨林的燒毀情況44
3.4層次聚類:基因聚類55
3.5二進制聚類:數學測驗68
3.6 k均值聚類:歐洲各國蛋白質消耗量75
3.7 k均值聚類:食品80
第4章模型選擇和正則化86
4.1引言86
4.2壓縮方法:每天消耗的卡路里87
4.3降維方法:Delta航空公司航空隊100
4.4主成分分析:理解世界菜餚109
第5章非線性114
5.1廣義加性模型:衡量新西蘭的家庭收入114
5.2平滑樣條:理解汽車和速度119
5.3局部回歸:理解乾旱警告和影響129
第6章監督學習136
6.1引言136
6.2決策樹學習:對胸痛患者的預先醫療護理指示137
6.3決策樹學習:基於收入的房地產價值分佈145
6.4決策樹學習:預測股票走勢方向154
6.5樸素貝葉斯:預測股票走勢方向170
6.6隨機森林:貨幣交易策略184
6.7支持向量機:貨幣交易策略193
6.8隨機梯度下降:成人收入201
第7章無監督學習208
7.1引言208
7.2自組織映射:可視化熱圖209
7.3矢量量化:圖像聚類212
第8章增強學習217
8.1引言217
8.2馬爾可夫鏈:股票區製轉移模型218
8.3馬爾可夫鏈:多渠道歸因模型229
8.4馬爾可夫鏈:汽車租賃 理服務239
8.5連續馬爾可夫鏈:加油站的車輛服務243
8.6蒙特卡羅模擬:校準Hull-White短期利率247
第9章結構化預測257
9.1引言257
9.2隱馬爾可夫模型:歐元和美元257
9.3隱馬爾可夫模型:區製檢測263
第10章神經網絡270
10.1引言270
10.2為S&P 500建模270
10.3衡量失業率278
第11章深度學習292
11.1引言292
11.2循環神經網絡:預測週期信號292
第12章案例研究:探索世界銀行數據299
12.1引言299
12.2探索世界銀行數據299
第13章案例研究:再保險合同定價316
13.1引言316
13.2再保險合同定價316
第14章案例研究:用電量預測329
14.1引言329
14.2用電量測量329