当前位置:首页 > 名称

大约有45,277项符合查询结果项。(搜索耗时:0.1974秒)

为您推荐: python机器学习实战 title机器学习实战 图灵出品 python大数据分析与机器学习商业案例实战 机器学习算法竞赛实战 机器学习实战 使用r tidyverse和mlr 机器学习实战 图灵程序设计丛书

  • R语言实战 机器学习与数据分析

    左飞著2016 年出版376 页ISBN:9787121286698

    本书将统计分析与数据挖掘技术有机地结合在一起,通过大量实例,循序渐进、全面系统地向读者介绍了在R中进行数据挖掘和统计分析的基本方法。具体内容包括:R语言编程技术、参数估计、假设检验、极大似然估计、列...

  • 机器学习实战 基于Scikit-Learn和TensorFlow

    (法)奥雷利安·杰龙(Aurélien Géron)2018 年出版460 页ISBN:9787111603023

    本书主要分为两个部分。第一部分为第1章到第8章,涵盖机器学习的基础理论知识和基本算法——从线性回归到随机森林等,帮助读者掌握Scikit-Learn的常用方法;第二部分为第9章到第16章,探讨深度学习和常用框架Tenso...

  • 机器学习与R语言实战

    丘祐玮(Yu.Wei Chiu)著2016 年出版338 页ISBN:9787111535959

    本书共11章。第1章介绍如何创建一个可用的R环境和基本的R命令;第2章讲述如何使用R语言进行探索性数据分析;第3章重点探讨数据采样和概率分布的概念;第4章探讨因变量和解释变量集合之间的线性关系;第5章介绍基于...

  • 跟着迪哥学Python数据分析与机器学习实战

    唐宇迪著2019 年出版449 页ISBN:9787115512444

    全书共20章,大致分为4个部分。第1部分介绍了Python必备的工具包,包括科学计算库Numpy、数据分析库Pandas、可视化库Matplotlib;第2部分讲解了机器学习中的经典算法,例如回归算法、决策树、集成算法、支持向量机...

  • SPARK MLLIB机器学习 算法、源码及实战详解

    黄美灵著2016 年出版392 页ISBN:7121282143

    本书以Spark 1.4.1版本源码为切入点,全面并且深入地解析Spark MLlib模块,着力于探索分布式机器学习的底层实现。本书循序渐进,首先解析MLlib的底层实现基础:数据操作及矩阵向量计算操作,该部分是MLlib实现的基础...

  • Python+Spark 2.0+Hadoop 机器学习与大数据实战

    林大贵著2018 年出版519 页ISBN:9787302490739

    本书详细介绍如何模拟云计算的虚拟环境的架设与计算机网络设定外,并且介绍基础软件下载与安装,按部就班地利用简单的范例程序与网络所收集数据,让读者从实际的操作中,很踏实地学习到,如何利用多台计算机所架设的...

  • 机器学习技术与实战 医学大数据深度应用

    (加)洪松林编著2018 年出版334 页ISBN:9787111595991

    本书作者曾在北美多家智能专业公司任高级架构师,有20年数据挖掘、机器学习方面的设计、开发、管理经验。他结合自己多年的行业经历,总结了自己在机器学习方面的知识和实际工程中的经验,提供了大量一线资料。本...

  • Python项目案例开发从入门到实战 爬虫、游戏和机器学习 微课版

    郑秋生,夏敏捷主编;宋宝卫,李娟副主编2019 年出版399 页ISBN:9787302459705

    本书是一本面向广大Python编程爱好者的程序设计类图书。本书最大的特色在于以开发案例为主要的内容。书中讲解的案例都是具有实际使用价值的项目和一些大家耳熟能详的经典游戏(比如推箱子,连连看,象棋,麻将、网...

  • Python深度学习实战 基于TensorFlow和Keras的聊天机器人以及人脸、物体和语音识别

    (印)纳温·库马尔·马纳西(Navin Kumar Manaswi)著2019 年出版168 页ISBN:9787111622765

    本书讨论使用TensorFlow和Keras等框架构建深度学习应用,集中于深度学习应用所需的模型和算法,帮助你在短时间内提高实践技能。内容涵盖聊天机器人、自然语言处理、人脸和物体识别等主题,目标是为创建能够执行...

  • 机器学习到深度学习 基于scikit-learn与TensorFlow的高效开发实战

    刘长龙著2019 年出版492 页ISBN:9787121355189

    本书共11章,第1章从宏观角度讨论机器学习的分类、方法与流程;第2章介绍Python机器学习基础工具;第3~5章围绕scikit—Learn工具讲解回归、聚类、降维等方法的原理与实践,其中包括目前最主流的朴素贝叶斯、SVM、La...

返回顶部