《Python監督學習》是2022年清華大學出版社出版的圖書,作者是[愛爾蘭]瓦伊巴夫·韋爾丹(Vaibhav Verdhan),譯者是梁平和譚穎。
基本介紹
- 中文名:Python監督學習
- 作者:[愛爾蘭]瓦伊巴夫·韋爾丹(Vaibhav Verdhan)
- 原作品:Supervised Learning with Python
- 譯者:梁平、譚穎
- 出版社:清華大學出版社
- 出版時間:2022年1月
- 定價:68 元
- 開本:16 開
- 裝幀:平裝
- ISBN:9787302594659
《Python監督學習》是2022年清華大學出版社出版的圖書,作者是[愛爾蘭]瓦伊巴夫·韋爾丹(Vaibhav Verdhan),譯者是梁平和譚穎。
《Python無監督學習》是2020年人民郵電出版社出版的圖書。內容簡介 機器學習是使計算機具有智慧型的根本途徑,其套用遍及人工智慧的各個領域。無監督學習是機器學習中的一種學習方式,是數據科學的一個重要分支,常用於數據挖掘領域,通過構建模型來為業務決策提供依據。 本書通過Python語言講解無監督學習,全書內容包括10章...
基於Python的無監督學習是一本2021年出版的圖書,由中國電力出版社出版 內容簡介 本書主要內容有:比較不同機器學習方法的優缺點、監督學習、無監督學習和強化學習。從頭到尾的建立和管理機器學習項目。建立一個異常檢測系統,以捕捉信用卡交易的欺詐。將用戶集群到不同的同構組中。執行半監督學習。使用受限制玻爾茲曼機...
《Python無監督機器學習最佳實踐》是2020年清華大學出版社出版的圖書,作者是[美]班傑明·約翰斯頓等著 ,唐盛譯。內容簡介 《Python無監督機器學習最佳實踐》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分布隨機鄰域嵌入算法、主題建模、...
《Python機器學習套用》是北京理工大學提供的慕課課程,授課老師是禮欣、嵩天。課程大綱 模組1:機器學習基本思想與原理vs.sklearn庫 模組2:無監督學習之聚類、算法與用例(sklearn中的K-means、DBSCAN)模組3:無監督學習之降維、算法與用例(sklearn中的PCA、NMF)模組4:監督學習之分類、算法與用例(sklearn中KNN、...
(1)監督學習(有導師學習):輸入數據中有導師信號,以機率函式、代數函式或人工神經網路為基函式模型,採用疊代計算方法,學習結果為函式。(2)無監督學習(無導師學習):輸入數據中無導師信號,採用聚類方法,學習結果為類別。典型的無導師學習有發現學習、聚類、競爭學習等。(3)強化學習(增強學習):以環境...
1.4 機器學習的經典算法 1.5 監督學習和無監督學習 1.6 機器學習任務舉例 1.7Python 機器學習 第2章最小二乘法 2.1 最小二乘法套用場景 2.2 線性回歸 2.3 最小二乘法的原理和算法 2.3.1 變數間的關係 2.3.2 數據擬合 2.3.3最小二乘法原理 2.4 用最小二乘法預測學生的身高、體重 2.5 ...
2.2激活函式33深度學習理論與套用目錄2.3感知器的訓練34 2.3.1監督學習和無監督學習34 2.3.2面向回歸問題的訓練方法35 2.3.3面向分類問題的訓練方法43 2.4使用PyTorch框架46 2.4.1PyTorch框架的作用47 2.4.2使用PyTorch框架實現感知器47 2.5本章小結52 2.6習題53 第3章全連線神經網路/54 3.1構建...
1.2什麼是機器學習2 1.3機器學習的套用3 1.4機器學習方法的實現4 1.4.1機器學習與Python4 1.4.2NumPy庫5 1.4.3Matplotlib庫6 1.5本章實驗分析8 1.6本章小結9 1.7思考與練習10 第2章監督學習11 2.1線性回歸12 2.1.1線性回歸的數學模型12 2.1.2線性回歸的訓練過程16 2.1.3梯度下降法21 2...
第3章 機器學習/45 3.1 機器學習概論 /46 3.1.1 監督學習概述 /46 3.1.2 無監督學習概述 /47 3.1.3 強化學習概述 /49 3.2 監督學習 /50 3.2.1 回歸與分類 /50 3.2.2 決策樹 /56 3.2.3 神經網路 /60 3.2.4 樸素貝葉斯 /63 3.2.5 支持向量機 /66 3.3 無監督學習 /71 3.3....
近年來,研究人員也逐漸將這幾類方法結合起來,如對原本是以有監督學習為基礎的卷積神經網路結合自編碼神經網路進行無監督的預訓練,進而利用鑑別信息微調網路參數形成的卷積深度置信網路。與傳統的學習方法相比,深度學習方法預設了更多的模型參數,因此模型訓練難度更大,根據統計學習的一般規律知道,模型參數越多,需要...
機器學習所涉及的複雜統計學知識困擾了很多開發者。知曉統計學知識可以幫助你為給定的問題構建強壯的機器學習最佳化模型。《機器學習統計學(影印版)》將教你機器學習所需的實現複雜統計計算的相關內容,可以從中獲得監督學習、無監督學習、強化學習等背後的統計學知識。你將看到討論機器學習相關統計學內容的真實案例並熟悉...
第1章機器學習簡介 1.1什麼是機器學習 1.2有監督學習 1.3無監督學習 1.4強化學習 1.5深度學習 1.6機器學習算法的套用趨勢 1.6.1機器學習算法在物聯網的套用 1.6.2機器學習算法在其他領域的套用 1.7安裝MATLAB或Octave 1.8Python語言和C/C++語言簡介 1.8.1Python語言簡介 1.8.2C/C++語言簡介 1.9...
神經網路的最佳化難點以及相應的解決方法; 第4章討論神經網路遇到的過擬合問題; 第5章分析神經網路的小組成部分——神經元; 第6章討論三種方案解決深層網路的訓練難題: 批標準化、SELU、ResNet; 第7章、第8章講述了兩種重要的神經網路模型: 卷積神經網路和循環神經網路; 第9章討論了對於神經網路的無監督學習...
支持向量機(Support Vector Machine, SVM)是一類按監督學習(supervised learning)方式對數據進行二元分類的廣義線性分類器(generalized linear classifier),其決策邊界是對學習樣本求解的最大邊距超平面(maximum-margin hyperplane)。SVM使用鉸鏈損失函式(hinge loss)計算經驗風險(empirical risk)並在求解系統中加入...
第3章機器學習 3.1機器學習簡介 3.1.1什麼是機器學習 3.1.2機器學習發展歷史 3.1.3機器學習套用領域 3.2機器學習進階 3.2.1機器學習種類 3.2.2基本術語 3.2.3機器學習的流程 3.3線性模型 3.3.1預測工資——線性回歸 3.3.2鐵達尼號生存預測——邏輯回歸 3.4監督學習 3.4.1...
9.4.2 價值函式,Q函式和Q學習算法 9.4.3 強化學習的發展 習題九 第10章統計學習 10.1 概述 10.2 幾種基本判別模型的學習 10.2.1 回歸問題的線性函式模型學習,梯度下降法 10.2.2 分類問題的線性判別函式模型學習 10.2.3 分類問題的Logistic回歸模型學習,梯度上升法 10.3 監督學習中幾...
5.2.2正則化RBF網路的學習算法090 5.3廣義RBF神經網路090 5.3.1模式的可分性090 5.3.2廣義RBF網路091 5.3.3廣義RBF網路的設計方法092 5.3.4廣義RBF網路數據中心的聚類算法093 5.3.5廣義RBF網路數據中心的監督學習算法094 5.4基於Python的RBF網路學習算法實現095 5.4.1基於聚類的數據中心及RBF網路程式...
9.1機器學習簡介 9.1.1機器學習的基本概念 9.1.2Python機器學習庫與學習平台 9.2有監督學習 9.2.1回歸分析 9.2.2決策樹 9.2.3支持向量機 9.2.4KNN算法 9.2.5人工神經網路 9.2.6深度學習 9.3無監督學習 9.3.1無監督學習簡介 9.3.2Kmeans聚類 本章小結 思考題 第10章智慧型計算思維及其套用...