大约有45,791项符合查询结果项。（搜索耗时：0.1566秒）
为您推荐： python大数据分析与机器学习商业案例实战 python机器学习与计算机视觉实战 python机器学习 原书第2版 python动手学机器学习 python机器学习案例教程 原书第2版 title python极简讲义 一本书入门数据分析与机器学习
-
深入浅出深度学习 原理剖析与Python实践
黄安埠著2017 年出版340 页ISBN：9787121312700本书介绍了深度学习相关的原理与应用，全书共分为三大部分，第一部分主要回顾了深度学习的发展历史，以及Theano的使用；第二部分详细讲解了与深度学习相关的基础知识，包括线性代数、概率论、概率图模型、机器学习和...
-
Spark MLlib机器学习实践
王晓华著2015 年出版176 页ISBN：9787302420422本书分为12章，详细介绍Spark MLLib大数据处理和分析的方法和技巧。本书从Spark基础开始，依次介绍MLLib基础，MLLib中RDD详解，MLLib基本概念，协同，过滤算法，线性回归，分类，决策树与保序回归，聚类，关联规则，数据降维，特......
-
机器学习基础 原理、算法与实践
袁梅宇著2018 年出版295 页ISBN：9787302500148本书主要介绍机器学习的基础算法，采用MATLAB编程实现各个算法。主要内容包括机器学习介绍、线性回归、逻辑回归、模型评估与选择、决策树、K-均值算法和EM、神经网络、K近邻和kd树、贝叶斯与文本分类、隐马...
-
-
-
机器学习实践：测试驱动的开发方法
（美）Matthew Kirk著；段菲译2015 年出版188 页ISBN：9787115396181本书面技术开发人员、CTO和咨询顾问人员，介绍了机器学习的基本原理，涵盖了测试驱动的机器学习、机器学习概述、K近邻分类、朴素贝叶斯分类、隐马尔科夫模型、支持向量机、神经网络、聚类、核岭回归、模型改进...
-
大数据挖掘与统计机器学习
吕晓玲，宋捷主编2019 年出版332 页ISBN：9787300264066本课程的教学内容主要包括聚类、关联、降维、变量选择、分类与预测、集成算法、图模型与推荐系统等。每一部分都是本课程授课的主要内容，都力求深入浅出，精讲细讲，不光讲解各种方法的过程与原理，还要加强学生对...
-
-
-
