人.记忆和机器

大脑机器和数学

丁丁和机器娃娃

机器学习导论 2版

本书对机器学习的定义和应用实例进行了介绍，涵盖了监督学习、贝叶斯决策理论、参数方法、多元方法、维度归约、聚类、非参数方法、决策树、线性判别式、多层感知器、局部模型、隐马尔可夫模型、分类算法评估...

机器学习实践：测试驱动的开发方法

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

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...

程序教学和教学机器

Python机器学习与量化投资

本书采用生动活泼的语言，从入门者的角度，讲解Python语言和sklearn模块库，内置的各种经典机器学习算法，结合实盘交易数据，分析在金融量化方面的应用。书中大量简单风趣的实际案例，让广大初学者，快速掌握机器学习在....

Python神经网络编程 深度学习机器学习

本书首先从简单的思路着手，详细介绍了理解神经网络如何工作所必须的基础知识。第一部分介绍基本的思路，包括神经网络底层的数学知识，第2部分是实践，介绍了学习Python编程的流行和轻松的方法，从而逐渐使用该语言...

数据挖掘与机器学习

本书系统地阐述了数据挖掘产生的背景、技术、多种相关方法及具体应用，主要内容包括数据挖掘概述，数据采集、集成与预处理技术，多维数据分析与组织，预测模型研究与应用，关联规则模型及应用，聚类分析方法与应用，......