Python無監督機器學習最佳實踐
[美]本傑明·約翰斯頓 等著 唐盛 譯
- 出版商: 清華大學
- 出版日期: 2020-07-01
- 定價: $774
- 售價: 8.5 折 $658
- 語言: 簡體中文
- ISBN: 7302557683
- ISBN-13: 9787302557685
-
相關分類:
Machine Learning
立即出貨 (庫存 < 3)
買這商品的人也買了...
-
深入理解機器學習：從原理到算法 (Understanding Machine Learning : From Theory to Algorithms)$474$450 -
$352Hadoop+Spark大數據技術（微課版） -
$311Python算法詳解 -
深度學習之圖像識別：核心技術與案例實戰$474$450 -
深入理解 XGBoost：高效機器學習算法與進階$594$564 -
$224數字圖像處理與 Python 實現 -
$280計算機視覺之深度學習：使用 TensorFlow 和 Keras 訓練高級神經網絡 -
$266移動端機器學習實戰 -
$505知識圖譜與深度學習 -
$301Python 元學習 : 通用人工智能的實現 (Hands-On Meta Learning with Python: Meta learning using one-shot learning, MAML, Reptile, and Meta-SGD with TensorFlow) -
$301大數據技術（微課版） -
$269深度學習自然語言處理實戰 -
$454算法與數據中台：基於 Google、Facebook 與微博實踐 -
$556機器學習提升法 理論與算法 -
$505自然語言處理實戰 : 利用 Python 理解、分析和生成文本 -
$454Python 遷移學習 -
$379Python 代碼整潔之道：編寫優雅的代碼 -
$301Python 自然語言處理實戰 (Hands-On Natural Language Processing with Python: A practical guide to applying deep learning architectures to your NLP applications) -
$505數據分析思維 : 分析方法和業務知識 -
Effective Python 中文版｜寫出良好 Python 程式的 90個具體做法, 2/e (Effective Python: 90 Specific Ways to Write Better Python, 2/e)$580$383 -
$356Python 機器學習建模與部署 -- 從 Keras到 Kubernetes (Keras to Kubernetes: The Journey of a Machine Learning Model to Production) -
Kaggle 競賽攻頂秘笈 -- 揭開 Grandmaster 的特徵工程心法，掌握制勝的關鍵技術$1,000$790 -
駭客廝殺不講武德：CTF 強者攻防大戰直擊$1,000$790 -
機器學習的統計基礎 : 深度學習背後的核心技術$680$537 -
$505深度學習初學者指南
相關主題
商品描述
本書詳細闡述了與無監督機器學習開發相關的基本解決方案，主要包括聚類、分層聚類、鄰域聚類方法和DBSCAN、降維和PCA、自動編碼器、t分佈隨機鄰域嵌入算法、主題建模、購物籃分析、熱點分析等內容。此外，本書還提供了相應的示例、代碼，以幫助讀者進一步理解相關方案的實現過程。 本書適合作為高等院校電腦及相關專業的教材和教學參考書，也可作為相關開發人員的自學教材和參考手冊。
目錄大綱
第1章你1
1.1 簡介 1
1.2 無監督學習與有監督學習 1
1.3 你的識別 3
1.3.1識別識別3
1.3.2 二維數據 4
1.3.3 練習1：識別數據中的暗示 5
1.4關於k均值8
1.4.1 無數學k均值演練 8
1.4.2對k均值的演練 9
1.4.3 替代距離 10
1.4.4 更深的維度 10
1.4.5 練習2：用Python計算歐幾里得距離11
1.4.6 練習3：以距離的概念形成 12
1.4.7 練習4：從頭開始實現k均值13
1.4.8 練習5：通過優化實現k均值15
1.4.9 性能：一眼 18
1.4.10 練習6：計算輪廓 19
1.4.11 活動1：實現k值平均21
1.5 小結 22
第2章我自己23
2.1 介紹 23
2.2 智慧 23
2.3 家的組織結構 24
2.4 人物簡介 25
2.4.1執行觸發的步驟26
2.4.2 演練27的演練示例
2.4.3 練習7：建立架構30
2.5 鏈接 33
2.5.1 鏈接概述 33
2.5.2 活動2：應用鏈接標準 342. 6部手機與手機，3366部
2.6. 練習8：使用ikit-learn實現連接1次練習37
2.6.2：比較平均k值和活動比39
2.7關於k均值與重啟41
2.8 小結
第3章鄰域方法和DBSCAN
3.1 介紹
3．1．1 方法
3．1．2作為鄰域的優越
3．2 關於DBSCAN
3．2．1 DBSCAN深入
3．2．2 DBSCAN算法的演練
3.2.3 練習9：*估鄰域半徑大小的影響
3．2．4 DBSCAN屬性——鄰域域
3.2.5 活動4：從頭開始實現DBSCAN
3．2．6 DBSCAN屬性——少點
3.2.7 練習10：*估少點閾值的影響
3．2．8活動5：比較與k均值和高級別的DBSCAN
3．3 DBCAN與k均值和先導
3.4 小結
第4章降維和PCA
4.1 介紹
4.1.1 降維的定義
4．1．2降維的應用
4.1.3 維數的咒語
4.2 降維技術
4.2.1 概述
……
第5章自動編碼器
第6章部署隨機域嵌入模型
第7章主題建模
第8章購物籃分析
第9章 熱點分析
附錄
