書(shū)馨卡幫你省薪 2024個(gè)人購(gòu)書(shū)報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
PYTHON機(jī)器學(xué)習(xí)實(shí)戰(zhàn):基于SCIKIT-LEARN與PYTORCH的神經(jīng)網(wǎng)絡(luò)解決方案

PYTHON機(jī)器學(xué)習(xí)實(shí)戰(zhàn):基于SCIKIT-LEARN與PYTORCH的神經(jīng)網(wǎng)絡(luò)解決方案

出版社：清華大學(xué)出版社出版時(shí)間：2023-09-01
開(kāi)本： 其他 頁(yè)數(shù)： 272
中 圖 價(jià):¥74.3(7.5折) 定價(jià)  ¥99.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車(chē) 收藏
運(yùn)費(fèi)6元，滿(mǎn)39元免運(yùn)費(fèi)
?新疆、西藏除外
本類(lèi)五星書(shū)更多>

PYTHON機(jī)器學(xué)習(xí)實(shí)戰(zhàn):基于SCIKIT-LEARN與PYTORCH的神經(jīng)網(wǎng)絡(luò)解決方案 版權(quán)信息

PYTHON機(jī)器學(xué)習(xí)實(shí)戰(zhàn):基于SCIKIT-LEARN與PYTORCH的神經(jīng)網(wǎng)絡(luò)解決方案 本書(shū)特色

NumPy、Pandas、Matplotlib、Scikit-learn以及Pytorch，一應(yīng)俱全
涵括常見(jiàn)應(yīng)用場(chǎng)景，可作為初學(xué)者入門(mén)指南以及從業(yè)者中長(zhǎng)期參考手冊(cè)
深度闡述機(jī)器學(xué)習(xí)環(huán)境搭建、數(shù)據(jù)加載、數(shù)值處理、數(shù)據(jù)分析和可視化
結(jié)合理論和實(shí)踐來(lái)解釋監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、回歸算法以及集成學(xué)習(xí)
通過(guò)一個(gè)端到端解決方案來(lái)解釋復(fù)雜的卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)、原理和實(shí)現(xiàn) 本書(shū)分為三個(gè)部分。**部分向您介紹使用 Python 的數(shù)字運(yùn)算和數(shù)據(jù)分析工具，并深入解釋環(huán)境配置、數(shù)據(jù)加載、數(shù)值處理、數(shù)據(jù)分析和可視化。第二部分涵蓋機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)和 Scikit-learn 庫(kù)。它還通過(guò)理論和實(shí)踐課程以簡(jiǎn)單的方式解釋了監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、回歸算法的實(shí)現(xiàn)和分類(lèi)以及集成學(xué)習(xí)方法。第三部分解釋了復(fù)雜的神經(jīng)網(wǎng)絡(luò)架構(gòu)，并詳細(xì)介紹了卷積神經(jīng)網(wǎng)絡(luò)的內(nèi)部工作和實(shí)現(xiàn)。*后一章包含 Pytorch 中神經(jīng)網(wǎng)絡(luò)的詳細(xì)端到端解決方案。本書(shū)可以幫助讀者實(shí)現(xiàn)機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)解決方案。
特色主題如下：
復(fù)習(xí)NumPy和Pandas中的數(shù)據(jù)結(jié)構(gòu)
展示機(jī)器學(xué)習(xí)技術(shù)和算法
了解監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)
重點(diǎn)討論卷積神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)
全面介紹熟悉scikit-learn和 PyTorch
預(yù)測(cè)遞歸神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短期記憶中的序列

PYTHON機(jī)器學(xué)習(xí)實(shí)戰(zhàn):基于SCIKIT-LEARN與PYTORCH的神經(jīng)網(wǎng)絡(luò)解決方案 內(nèi)容簡(jiǎn)介

《Python機(jī)器學(xué)習(xí)實(shí)戰(zhàn)：基于Scikit-learn與PyTorch的神經(jīng)網(wǎng)絡(luò)解決方案》基于作者多年的積累，通過(guò)概念及其解釋、Python代碼示例及其解釋和代碼輸出，特別針對(duì)零基礎(chǔ)讀者精心設(shè)計(jì)了這本機(jī)器學(xué)習(xí)進(jìn)階指南。全書(shū)包含3部分16章的內(nèi)容，在介紹完編程和數(shù)據(jù)處理基礎(chǔ)之后，探討了監(jiān)督學(xué)習(xí)（如線(xiàn)性回歸、邏輯回歸及決策樹(shù)、樸素貝葉斯和支持向量機(jī)）、集成學(xué)習(xí)以及無(wú)監(jiān)督學(xué)習(xí)（如降維和聚類(lèi)等）。值得一提的是，書(shū)的*后講到了神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的基本思想，探討了人工神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)。 《Python機(jī)器學(xué)習(xí)實(shí)戰(zhàn)：基于Scikit-learn與PyTorch的神經(jīng)網(wǎng)絡(luò)解決方案》適合零基礎(chǔ)且希望了解和掌握機(jī)器學(xué)習(xí)的讀者閱讀與參考。

PYTHON機(jī)器學(xué)習(xí)實(shí)戰(zhàn):基于SCIKIT-LEARN與PYTORCH的神經(jīng)網(wǎng)絡(luò)解決方案 目錄

第Ⅰ部分 PYTHON機(jī)器學(xué)習(xí)
第1章 Python 3和Jupyter Notebook入門(mén) 3
1.1 Python概述 4
1.1.1 Python編程語(yǔ)言的歷史 4
1.1.2 Python編程語(yǔ)言的哲學(xué) 4
1.1.3 Python的使用范圍 5
1.2 安裝Python 6
1.2.1 在Linux 發(fā)行版上安裝 Python 7
1.2.2 在macOS 上安裝Python 7
1.3 Python模式 7
1.3.1 交互模式 7
1.3.2 腳本模式 11
1.4 Pip3工具 13
1.5 科學(xué)Python生態(tài)系統(tǒng) 14
1.6 Python的實(shí)現(xiàn)和發(fā)行版 14
1.7 Anaconda發(fā)行版 15
1.8 小結(jié) 16
第2章 NumPy入門(mén) 17
2.1 開(kāi)始使用NumPy 18
2.2 Ndarray的索引 20
2.3 Ndarray的屬性 22
2.4 NumPy常量 23
2.5 小結(jié) 24
第3章 數(shù)據(jù)可視化入門(mén) 25
3.1 用于創(chuàng)建Ndarray的NumPy例程 26
3.2 Matplotlib數(shù)據(jù)可視化 28
3.3 小結(jié) 34
第4章 Pandas入門(mén) 35
4.1 Pandas基礎(chǔ)知識(shí) 36
4.2 Pandas中的Series 36
4.3 Pandas中的數(shù)據(jù)框架 38
4.4 在數(shù)據(jù)框架中實(shí)現(xiàn)數(shù)據(jù)的可視化 40
4.5 小結(jié) 46
第Ⅱ部分 機(jī)器學(xué)習(xí)方法
第5章 Scikit-learn機(jī)器學(xué)習(xí)概述 49
5.1 從數(shù)據(jù)中學(xué)習(xí) 50
5.1.1 監(jiān)督式學(xué)習(xí) 50
5.1.2 無(wú)監(jiān)督學(xué)習(xí) 51
5.2 機(jī)器學(xué)習(xí)系統(tǒng)的結(jié)構(gòu) 52
5.2.1 問(wèn)題理解 53
5.2.2 數(shù)據(jù)收集 53
5.2.3 數(shù)據(jù)標(biāo)注和數(shù)據(jù)準(zhǔn)備 53
5.2.4 數(shù)據(jù)整理 53
5.2.5 模型的開(kāi)發(fā)、訓(xùn)練和評(píng)估 54
5.2.6 模型的部署 54
5.3 Scikit-Learn 55
5.4 安裝Scikit-Learn 55
5.5 了解API 56
5.6 **個(gè)Scikit-learn實(shí)驗(yàn) 57
5.7 小結(jié) 60
第6章 為機(jī)器學(xué)習(xí)準(zhǔn)備數(shù)據(jù) 61
6.1 數(shù)據(jù)變量的類(lèi)型 62
6.1.1 名目數(shù)據(jù) 62
6.1.2 次序數(shù)據(jù) 62
6.1.3 等距數(shù)據(jù) 63
6.1.4 等比數(shù)據(jù) 63
6.2 轉(zhuǎn)換 63
6.2.1 轉(zhuǎn)換名目屬性 64
6.2.2 轉(zhuǎn)換有序?qū)傩?66
6.3 歸一化 67
6.3.1 線(xiàn)性函數(shù)歸一化 68
6.3.2 標(biāo)準(zhǔn)縮放 69
6.4 預(yù)處理文本 70
6.4.1 準(zhǔn)備N(xiāo)LTK 70
6.4.2 NLP流水線(xiàn)的5個(gè)步驟 71
6.4.3 詞干提取和詞形還原 72
6.4.4 移除停用詞 73
6.4.5 準(zhǔn)備詞向量 73
6.5 預(yù)處理圖像 75
6.6 小結(jié) 77
第7章 初探監(jiān)督式學(xué)習(xí)方法 79
7.1 線(xiàn)性回歸 80
7.2 邏輯回歸 86
7.2.1 表達(dá)式概率的線(xiàn)與曲線(xiàn)的比較 87
7.2.1 學(xué)習(xí)參數(shù) 87
7.2.2 可視化決策邊界 90
7.3 決策樹(shù) 91
7.3.1 構(gòu)建決策樹(shù) 92
7.3.2 Python中的決策樹(shù) 93
7.4 小結(jié) 96
第8章 對(duì)監(jiān)督式學(xué)習(xí)進(jìn)行調(diào)試 97
8.1 訓(xùn)練和測(cè)試過(guò)程 98
8.2 性能的衡量標(biāo)準(zhǔn) 98
8.2.1 混淆矩陣 99
8.2.2 精確率 100
8.2.3 準(zhǔn)確率 100
8.2.3 F值 100
8.2.4 Python中的性能指標(biāo) 101
8.3 交叉驗(yàn)證 103
8.3.1 為什么要進(jìn)行交叉驗(yàn)證 104
8.3.2 使用Python進(jìn)行交叉驗(yàn)證 105
8.4 ROC曲線(xiàn) 106
8.5 過(guò)擬合和正則化 109
8.5.1 偏差和方差 112
8.5.2 正則化 113
8.6 超參數(shù)調(diào)優(yōu) 116
8.7 小結(jié) 120
第9章 再談監(jiān)督學(xué)習(xí)方法 121
9.1 樸素貝葉斯 122
9.1.1 貝葉斯定理 122
9.1.2 條件概率 123
9.1.3 樸素貝葉斯的運(yùn)作方式 123
9.1.4 多項(xiàng)樸素貝葉斯 124
9.1.5 Python中的樸素貝葉斯 124
9.2 支持向量機(jī) 126
9.2.1 SVM的運(yùn)作方式 127
9.2.2 非線(xiàn)性分類(lèi) 128
9.2.3 SVM中的核技巧 129
9.2.4 Python中的支持向量機(jī) 130
9.3 小結(jié) 134
第10章 集成學(xué)習(xí)方法 135
10.1 Bagging算法和隨機(jī)森林 136
10.2 Boosting算法 140
10.3 Stacking集成 146
10.4 小結(jié) 150
第11章 無(wú)監(jiān)督學(xué)習(xí)方法 151
11.1 降維 152
11.1.1 了解維數(shù)災(zāi)難 152
11.1.2 主成分分析 153
11.1.3 Python中的主成分分析 154
11.2 聚類(lèi) 157
11.2.1 使用k-均值進(jìn)行聚類(lèi) 158
11.2.2 Python中的k-均值 158
11.2.3 什么是正確的k 161
11.2.4 聚類(lèi)之圖像分割 162
11.2.5 使用DBSCAN進(jìn)行聚類(lèi) 165
11.3 頻繁模式挖掘 168
11.3.1 購(gòu)物籃分析 168
11.3.2 Python中的頻繁模式挖掘 169
11.4 小結(jié) 172
第Ⅲ部分 神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)
第12章 神經(jīng)網(wǎng)絡(luò)和PyTorch基礎(chǔ) 175
12.1 安裝PyTorch 177
12.2  PyTorch的基礎(chǔ)知識(shí) 177
12.2.1 創(chuàng)建張量 177
12.2.2 張量操作 179
12.3 感知器 181
12.4 人工神經(jīng)網(wǎng)絡(luò) 185
12.5 小結(jié) 186
第13章 前饋神經(jīng)網(wǎng)絡(luò) 187
13.1 前饋神經(jīng)網(wǎng)絡(luò) 188
13.1.1 訓(xùn)練神經(jīng)網(wǎng)絡(luò) 189
13.1.2 損失函數(shù) 193
13.2 使用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行回歸 195
13.3 激活函數(shù) 198
13.3.1 ReLU 激活函數(shù) 198
13.3.2 Sigmoid 激活函數(shù) 199
13.3.3 tanh激活函數(shù) 200
13.4 多層人工神經(jīng)網(wǎng)絡(luò) 200
13.4.1 PyTorch中的神經(jīng)網(wǎng)絡(luò)（NN）類(lèi) 206
13.4.2 過(guò)擬合和Dropout 208
13.5 分類(lèi)手寫(xiě)數(shù)字 209
13.6 小結(jié) 214
第14章 卷積神經(jīng)網(wǎng)絡(luò) 215
14.1 卷積運(yùn)算 216
14.2 CNN的結(jié)構(gòu) 219
14.3 在PyTorch中使用卷積神經(jīng)網(wǎng)絡(luò) 221
14.4 使用CNN進(jìn)行圖像分類(lèi) 223
14.5 卷積神經(jīng)網(wǎng)絡(luò)的深度網(wǎng)絡(luò) 233
14.5 小結(jié) 234
第15章 循環(huán)神經(jīng)網(wǎng)絡(luò) 235
15.1 循環(huán)單元 236
15.2 RNN的類(lèi)型 238
15.2.1 一對(duì)一 238
15.2.2 一對(duì)多 238
15.2.3 多對(duì)一 238
15.2.4 多對(duì)多 239
15.3 Python中的RNN 239
15.4 長(zhǎng)短期記憶 240
15.4.1 LSTM單元 241
15.4.2 時(shí)間序列預(yù)測(cè) 242
15.5 門(mén)控循環(huán)單元 252
15.6 小結(jié) 252
第16章 項(xiàng)目實(shí)戰(zhàn) 253
16.1 數(shù)據(jù)科學(xué)生命周期 254
16.2 如何提供ML應(yīng)用 257
16.3 通過(guò)實(shí)踐學(xué)習(xí) 258
16.3.1 定義問(wèn)題 258
16.3.2 數(shù)據(jù) 259
16.3.3 準(zhǔn)備模型 263
16.3.4 序列化模型，以便未來(lái)用于預(yù)測(cè) 268
16.3.5 托管模型 270
16.4 未來(lái)可期 271
展開(kāi)全部

PYTHON機(jī)器學(xué)習(xí)實(shí)戰(zhàn):基于SCIKIT-LEARN與PYTORCH的神經(jīng)網(wǎng)絡(luò)解決方案 作者簡(jiǎn)介

阿什溫·帕揚(yáng)卡（AshwinPajankar）是一名技術(shù)類(lèi)作家、講師、內(nèi)容創(chuàng)作者和YouTuber主播。他在南德的SGGSIE&T獲得了工程學(xué)士學(xué)位，在印度理工學(xué)院海德拉巴校區(qū)獲得了計(jì)算機(jī)科學(xué)與工程碩士學(xué)位。他在7歲的時(shí)候接觸到電子技術(shù)和計(jì)算機(jī)編程。BASIC 是他學(xué)會(huì)的第一種編程語(yǔ)言。他還用過(guò)其他很多編程語(yǔ)言，比如匯編語(yǔ)言、C、C 、VisualBasic、Java、ShellScripting、Python、SQL和 JavaScript。他還非常喜歡使用單板計(jì)算機(jī)和微控制器，比如樹(shù)莓派、BananaPro、Arduino、BBC Microbit 和 ESP32。
他目前正專(zhuān)注于發(fā)展 YouTube 頻道，內(nèi)容涉及計(jì)算機(jī)編程、電子技術(shù)和微控制器。 阿迪亞·喬希（AdityaJoshi）是一名機(jī)器學(xué)習(xí)工程師，他曾經(jīng)在早中期創(chuàng)業(yè)公司的數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)團(tuán)隊(duì)工作。他在浦那大學(xué)獲得了工程學(xué)士學(xué)位，在印度理工學(xué)院海德拉巴校區(qū)獲得了計(jì)算機(jī)科學(xué)與工程碩士學(xué)位。他在碩士學(xué)習(xí)期間對(duì)機(jī)器學(xué)習(xí)產(chǎn)生了興趣，并與印度理工學(xué)院海德拉巴校區(qū)的搜索和信息提取實(shí)驗(yàn)室有了聯(lián)系。他喜歡教學(xué)，經(jīng)常參加培訓(xùn)研討會(huì)、聚會(huì)和短期課程。 歐拉在校期間多次入選“優(yōu)等生名單”，奉行深思篤行的做事原則，擅長(zhǎng)于問(wèn)題引導(dǎo)和拆解，曾經(jīng)運(yùn)用數(shù)據(jù)模型和R語(yǔ)言幫助某企業(yè)在半年內(nèi)實(shí)現(xiàn)了十倍的增長(zhǎng)。美食愛(ài)好者。有多部譯著，翻譯風(fēng)格活潑而準(zhǔn)確，有志于通過(guò)文字、技術(shù)和思維來(lái)探尋商業(yè)價(jià)值與人文精神的平衡。目前感興趣的方向有機(jī)器學(xué)習(xí)和人工智能。

暫無(wú)評(píng)論……
書(shū)友推薦
本類(lèi)暢銷(xiāo)
返回頂部
中圖網(wǎng)
在線(xiàn)客服