模式识别中的核自适应学习及应用

核学习是机器学习研究领域的重要研究分支，出现了大量理论和实际应用研究成果，已广泛用于模式识别、数据挖掘、计算机视觉、图像与信号处理等研究领域。利用核方法在一定程度上解决了实际应用中的非线性问题，大...

白话大数据与机器学习

本书将涵盖以下比较重要的挖掘和分析知识点：概率、统计和分布、多维向量空间、回归、聚类、分类、关联分析、协同过滤、文本挖掘、神经网络。同时，讲解了大数据相关的人才需求、行业情况、大数据变现与产品发...

机器学习 理论 实践与提高

本书是机器学习科学理论与重点算法的参考书目，涉及监督、半监督和指令学习。本书分为6个主题：统计学习的基本概念理论、优化领域的基本算法、经典二元分类模式、多层级分类问题以及不同框架、半监督学习的框...

PySpark实战指南 利用Python和Spark构建数据密集型应用并规模化布署

机器学习

《机器学习》展示了机器学习中核心的算法和理论，并阐明了算法的运行过程。《机器学习》综合了许多的研究成果，例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等，并以此来理解问题...

Azure 机器学习

本书讲解了微软 Azure 机器学习这种服务，开发人员可以使用建立预测分析模型 (使用各种数据源的数据集)，然后轻松地部署这些模型作为云 web 服务的提供者。本服务提供了丰富的功能，支持很多的端到端工作场景，可...

基于机器学习的蛋白质相互作用与功能预测

机器学习算法

本书采用理论与实践相结合的方式，在简明扼要地阐明机器学习原理的基础上，通过大量实例介绍了不同场景下机器学习算法在scikit-learn中的实现及应用。书中还有大量的代码示例及图例，便于读者理解和学习并实际上...

TensorFlow机器学习实战指南

TensorFlow是一个开源机器学习库。本书从TensorFlow的基础开始介绍，涉及变量、矩阵和各种数据源。之后，针对使用TensorFlow线性回归技术的实践经验进行详细讲解。后续章节将在前文的基础上讲述神经网络、CNN...

重机械及精密机器基础设计及安装