數據挖掘與機器學習(2020年浙江科學技術出版社出版的圖書)

內容簡介

《數據挖掘與機器學習/大數據專業套用型人才培養規劃教材》採用理論與實踐相結合的方式，介紹數據挖掘與機器學習的基礎知識，力求培養讀者數據思維能力。《數據挖掘與機器學習/大數據專業套用型人才培養規劃教材》共9章，闡述了數據挖掘與機器學習的核心概念與技術，以及運用這些技術分析實際問題的思路。書中還介紹了9個綜合性的案例，其難易程度和側重點與書中各章的知識點相匹配。

第1章介紹數據挖掘的基本概念、功能與套用領域，使讀者掌握數據挖掘的基本理念、流程和方法。第2章介紹Pandas模組的語法結構，並通過對腳踏車行駛數據與服務熱線數據的分析，使讀者掌握通過Pandas模組對數據進行統計分析的方法。第3章介紹機器學習的框架，以及Skleam模組的語法結構，使讀者掌握搭建機器學習流水線的方法。第4章介紹分類算法與套用，使讀者掌握通過Skleam模組搭建一個分類器並實現分類功能的方法。第5章介紹回歸算法與套用，使讀者掌握通過Skleam模組搭建一個回歸模型並實現回歸功能的方法。第6章介紹無監督學習，使讀者掌握通過Skleam模組搭建一個聚類模型並實現聚類功能的方法。第7章介紹關聯規則和協同過濾，使讀者掌握通過這些算法實現電影推薦的方法。第8章介紹圖像數據分析的相關技術，使讀者掌握進行圖像特徵提取和人臉識別的方法。第9章介紹自然語言處理與NLTK的相關技術，使讀者掌握進行文本特徵提取和文本分類的方法。

　　《數據挖掘與機器學習/大數據專業套用型人才培養規劃教材》可作為各類高校數據挖掘與機器學習的課程教材，也可供對數據挖掘和機器學習感興趣的讀者學習參考。

圖書目錄

第1章數據挖掘概述

1．1 數據分析技術發展簡介

1．2 數據挖掘的概念

1．3 數據挖掘的功能與套用領域

1．4 數據挖掘的模型

1．5 數據挖掘的數據類型

1．6 數據挖掘的交叉學科

第2章 Pandas數據分析

2．1 Pandas與數據分析

2．2 Pandas統計案例分析

第3章機器學習

3．1 數據挖掘中的機器學習

3．2 機器學習的模型

3．3 模型的評判和保存

3．4 支持向量機

3．5 過擬合問題

第4章分類算法與套用

4．1 數據挖掘分類問題

4．2 機率模型

4．3 樸素貝葉斯分類

4．4 向量空間模型

4．5 KNN算法

4．6 多類問題

第5章回歸算法與套用

5．1 回歸預測問題

5．2 線性回歸

5．3 嶺回歸和Lasso回歸

5．4 邏輯回歸

第6章無監督學習

6．1 無監督學習問題

6．2 劃分聚類

數據挖掘與機器學習(2020年浙江科學技術出版社出版的圖書)

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條