機器學習實踐（第2版）

內容簡介

本書是基於Python以及飛槳（PaddlePaddle）深度學習框架的實踐性機器學習入門教程，內容涵蓋Python基礎語法、機器學習常用算法以及在計算機視覺和自然語言處理等經典領域的詳細案例解析。本書語言簡潔易懂，注重實踐與理論相結合，旨在幫助讀者掌握機器學習的核心概念和技能。通過閱讀本書，讀者可以快速了解機器學習各種算法的套用場景，並掌握使用PaddlePaddle來解決機器學習問題的方法。對於想要入門機器學習的人來說，本書是一本實用性較強的參考書。

圖書目錄

第1章Python基礎實踐

1．1實踐一：九九乘法表

1．2實踐二：抽獎系統

1．3實踐三：批量檔案遍歷、複製、重命名

1．4實踐四：數據統計分析及可視化

1．5實踐五：圖像直方圖統計

第2章數據爬取與分析

2．1實踐一：爬取明星數據

2．2實踐二：科比職業生涯數據爬取與分析

2．3實踐三：電視影評爬取

2．4實踐四：股票行情爬取與分析

第3章機器學習基礎實踐

3．1實踐一：基於線性回歸/Lasso回歸/多項式回歸實現房價預測

3．2實踐二：基於樸素貝葉斯實現文本分類

3．3實踐三：基於邏輯回歸模型實現手寫數字識別

3．4實踐四：基於SVM/決策樹/XGBoost算法實現鳶尾花

3．5實踐五：基於Kmeans/層次聚類算法實現自製數據集聚類

第4章神經網路基礎實踐

4．1實踐一：基於全連線神經網路實現鮑魚年齡預測

4．2實踐二：基於全連線神經網路實現車輛分類

4．3實踐三：基於高層API實現車輛分類

第5章計算機視覺基礎實踐

5．1實踐一：圖像數據預處理實踐

5．2實踐二：基於卷積神經網路實現寶石分類

5．3實踐三：基於VGGNet網路模型實現美食分類

5．4實踐四：基於ResNet網路模型實現中草藥分類

5．5實踐五：基於Faster RCNN模型實現目標檢測

5．6實踐六：基於UNet模型實現寵物圖像分割

第6章自然語言處理基礎實踐

6．1實踐一：文本數據處理實踐

6．2實踐二：基於CBOW/Skipgram實現Word2Vec

6．3實踐三：基於循環神經網路實現情感分類

6．4實踐四：基於LSTM實現謠言檢測

6．5實踐五：基於結合注意力機制的LSTM實現機器翻譯

6．6實踐六：基於GRU實現電影評論分析

第7章深度學習前沿套用

機器學習實踐（第2版）

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條