注冊(cè) | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當(dāng)前位置: 首頁(yè)出版圖書科學(xué)技術(shù)計(jì)算機(jī)/網(wǎng)絡(luò)人工智能Python機(jī)器學(xué)習(xí)經(jīng)典實(shí)例(第2版)

Python機(jī)器學(xué)習(xí)經(jīng)典實(shí)例(第2版)

Python機(jī)器學(xué)習(xí)經(jīng)典實(shí)例(第2版)

定 價(jià):¥139.80

作 者: [意] 朱塞佩·查博羅(Giuseppe Ciaburro) 著,王海玲,李昉 譯
出版社: 人民郵電出版社
叢編項(xiàng):
標(biāo) 簽: 暫缺

ISBN: 9787115556929 出版時(shí)間: 2021-12-01 包裝: 平裝
開本: 16開 頁(yè)數(shù): 438 字?jǐn)?shù):  

內(nèi)容簡(jiǎn)介

  本書介紹了如何使用scikit-learn、TensorFlow等關(guān)鍵庫(kù)來有效解決現(xiàn)實(shí)世界的機(jī)器學(xué)習(xí)問題。本書著重于實(shí)用的解決方案,提供多個(gè)案例,詳細(xì)地講解了如何使用Python生態(tài)系統(tǒng)中的現(xiàn)代庫(kù)來構(gòu)建功能強(qiáng)大的機(jī)器學(xué)習(xí)應(yīng)用程序;還介紹了分類、聚類和推薦引擎等多種機(jī)器學(xué)習(xí)算法,以及如何將監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)技術(shù)應(yīng)用于實(shí)際問題;最后,介紹了強(qiáng)化學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)和自動(dòng)機(jī)器學(xué)習(xí)等應(yīng)用示例。本書適合數(shù)據(jù)科學(xué)家、機(jī)器學(xué)習(xí)開發(fā)人員、深度學(xué)習(xí)愛好者以及希望使用機(jī)器學(xué)習(xí)技術(shù)和算法解決實(shí)際問題的Python程序員閱讀。

作者簡(jiǎn)介

  朱塞佩.查博羅(Giuseppe Ciaburro)擁有環(huán)境技術(shù)物理學(xué)博士學(xué)位和兩個(gè)學(xué)科的碩士學(xué)位,他的重點(diǎn)研究方向是機(jī)器學(xué)習(xí)在城市聲環(huán)境研究中的應(yīng)用。他有超過15年的編程專業(yè)經(jīng)驗(yàn)(Python、R、MATLAB),開始從事燃燒學(xué)領(lǐng)域的研究,后又致力于聲學(xué)和噪音控制方向,并出版過幾本著作,銷量均不錯(cuò)。普拉蒂克.喬希(Prateek Joshi)畢業(yè)于南加州大學(xué),擁有人工智能碩士學(xué)位。他是一位人工智能專家,也是一位 TEDx演講者,曾位列福布斯30歲以下的30位精英榜單,并在美國(guó)消費(fèi)者新聞與商業(yè)頻道(CNBC)、TechCrunch、硅谷商業(yè)期刊(Silicon Valley Business Journal)及更多的刊物上發(fā)表過文章。

圖書目錄

第 1章 監(jiān)督學(xué)習(xí) 1
1.1 技術(shù)要求 1
1.2 簡(jiǎn)介 2
1.3 用Python創(chuàng)建數(shù)組 3
1.3.1 準(zhǔn)備工作 3
1.3.2 詳細(xì)步驟 3
1.3.3 工作原理 4
1.3.4 更多內(nèi)容 4
1.4 用均值移除法進(jìn)行數(shù)據(jù)預(yù)處理 5
1.4.1 準(zhǔn)備工作 5
1.4.2 詳細(xì)步驟 6
1.4.3 工作原理 7
1.4.4 更多內(nèi)容 7
1.5 數(shù)據(jù)縮放 7
1.5.1 準(zhǔn)備工作 7
1.5.2 詳細(xì)步驟 8
1.5.3 工作原理 9
1.5.4 更多內(nèi)容 9
1.6 歸一化 9
1.6.1 準(zhǔn)備工作 9
1.6.2 詳細(xì)步驟 10
1.6.3 工作原理 10
1.6.4 更多內(nèi)容 10
1.7 二值化 10
1.7.1 準(zhǔn)備工作 11
1.7.2 詳細(xì)步驟 11
1.7.3 工作原理 11
1.7.4 更多內(nèi)容 12
1.8 one-hot編碼 12
1.8.1 準(zhǔn)備工作 12
1.8.2 詳細(xì)步驟 12
1.8.3 工作原理 13
1.8.4 更多內(nèi)容 14
1.9 標(biāo)簽編碼 14
1.9.1 準(zhǔn)備工作 14
1.9.2 詳細(xì)步驟 14
1.9.3 工作原理 15
1.9.4 更多內(nèi)容 16
1.10 構(gòu)建線性回歸器 16
1.10.1 準(zhǔn)備工作 17
1.10.2 詳細(xì)步驟 18
1.10.3 工作原理 20
1.10.4 更多內(nèi)容 20
1.11 計(jì)算回歸準(zhǔn)確度 21
1.11.1 準(zhǔn)備工作 21
1.11.2 詳細(xì)步驟 21
1.11.3 工作原理 22
1.11.4 更多內(nèi)容 22
1.12 模型持久化 22
1.12.1 準(zhǔn)備工作 22
1.12.2 詳細(xì)步驟 23
1.12.3 工作原理 23
1.12.4 更多內(nèi)容 23
1.13 構(gòu)建嶺回歸器 24
1.13.1 準(zhǔn)備工作 25
1.13.2 詳細(xì)步驟 25
1.13.3 工作原理 26
1.14 構(gòu)建多項(xiàng)式回歸器 26
1.14.1 準(zhǔn)備工作 27
1.14.2 詳細(xì)步驟 27
1.14.3 工作原理 29
1.14.4 更多內(nèi)容 29
1.15 估算房屋價(jià)格 29
1.15.1 準(zhǔn)備工作 30
1.15.2 詳細(xì)步驟 30
1.15.3 工作原理 33
1.15.4 更多內(nèi)容 33
1.16 計(jì)算特征的相對(duì)重要性 33
1.16.1 準(zhǔn)備工作 34
1.16.2 詳細(xì)步驟 34
1.16.3 工作原理 36
1.16.4 更多內(nèi)容 36
1.17 評(píng)估共享單車的需求分布 36
1.17.1 準(zhǔn)備工作 36
1.17.2 詳細(xì)步驟 36
1.17.3 工作原理 39
1.17.4 更多內(nèi)容 39
第 2章 構(gòu)建分類器 41
2.1 技術(shù)要求 41
2.2 簡(jiǎn)介 42
2.3 構(gòu)建簡(jiǎn)單分類器 42
2.3.1 準(zhǔn)備工作 43
2.3.2 詳細(xì)步驟 43
2.3.3 工作原理 45
2.3.4 更多內(nèi)容 45
2.4 構(gòu)建邏輯回歸分類器 45
2.4.1 準(zhǔn)備工作 45
2.4.2 詳細(xì)步驟 46
2.4.3 工作原理 49
2.4.4 更多內(nèi)容 49
2.5 構(gòu)建樸素貝葉斯分類器 49
2.5.1 準(zhǔn)備工作 50
2.5.2 詳細(xì)步驟 50
2.5.3 工作原理 52
2.5.4 更多內(nèi)容 53
2.6 將數(shù)據(jù)集劃分成訓(xùn)練集和測(cè)試集 53
2.6.1 準(zhǔn)備工作 54
2.6.2 詳細(xì)步驟 54
2.6.3 工作原理 56
2.6.4 更多內(nèi)容 57
2.7 用交叉驗(yàn)證評(píng)估模型準(zhǔn)確度 57
2.7.1 準(zhǔn)備工作 57
2.7.2 詳細(xì)步驟 57
2.7.3 工作原理 58
2.7.4 更多內(nèi)容 59
2.8 混淆矩陣可視化 59
2.8.1 準(zhǔn)備工作 60
2.8.2 詳細(xì)步驟 60
2.8.3 工作原理 61
2.8.4 更多內(nèi)容 62
2.9 提取性能報(bào)告 62
2.9.1 準(zhǔn)備工作 62
2.9.2 詳細(xì)步驟 62
2.9.3 工作原理 63
2.9.4 更多內(nèi)容 63
2.10 根據(jù)特征評(píng)估汽車質(zhì)量 63
2.10.1 準(zhǔn)備工作 63
2.10.2 詳細(xì)步驟 64
2.10.3 工作原理 66
2.10.4 更多內(nèi)容 66
2.11 生成驗(yàn)證曲線 66
2.11.1 準(zhǔn)備工作 67
2.11.2 詳細(xì)步驟 67
2.11.3 工作原理 69
2.11.4 更多內(nèi)容 69
2.12 生成學(xué)習(xí)曲線 69
2.12.1 準(zhǔn)備工作 70
2.12.2 詳細(xì)步驟 70
2.12.3 工作原理 71
2.12.4 更多內(nèi)容 71
2.13 估算收入階層 71
2.13.1 準(zhǔn)備工作 72
2.13.2 詳細(xì)步驟 72
2.13.3 工作原理 75
2.13.4 更多內(nèi)容 75
2.14 葡萄酒質(zhì)量預(yù)測(cè) 75
2.14.1 準(zhǔn)備工作 76
2.14.2 詳細(xì)步驟 76
2.14.3 工作原理 78
2.14.4 更多內(nèi)容 78
2.15 新聞組熱門話題分類 78
2.15.1 準(zhǔn)備工作 78
2.15.2 詳細(xì)步驟 79
2.15.3 工作原理 80
2.15.4 更多內(nèi)容 80
第3章 預(yù)測(cè)建?!?1
3.1 技術(shù)要求 81
3.2 簡(jiǎn)介 82
3.3 用SVM構(gòu)建線性分類器 82
3.3.1 準(zhǔn)備工作 83
3.3.2 詳細(xì)步驟 84
3.3.3 工作原理 86
3.3.4 更多內(nèi)容 87
3.4 用SVM構(gòu)建非線性分類器 87
3.4.1 準(zhǔn)備工作 87
3.4.2 詳細(xì)步驟 87
3.4.3 工作原理 89
3.4.4 更多內(nèi)容 89
3.5 解決類型不平衡問題 89
3.5.1 準(zhǔn)備工作 90
3.5.2 詳細(xì)步驟 90
3.5.3 工作原理 93
3.5.4 更多內(nèi)容 93
3.6 提取置信度 93
3.6.1 準(zhǔn)備工作 93
3.6.2 詳細(xì)步驟 93
3.6.3 工作原理 95
3.6.4 更多內(nèi)容 96
3.7 尋找最優(yōu)超參數(shù) 96
3.7.1 準(zhǔn)備工作 96
3.7.2 詳細(xì)步驟 96
3.7.3 工作原理 100
3.7.4 更多內(nèi)容 101
3.8 構(gòu)建事件預(yù)測(cè)器 101
3.8.1 準(zhǔn)備工作 101
3.8.2 詳細(xì)步驟 102
3.8.3 工作原理 104
3.8.4 更多內(nèi)容 104
3.9 估算交通流量 104
3.9.1 準(zhǔn)備工作 104
3.9.2 詳細(xì)步驟 105
3.9.3 工作原理 107
3.9.4 更多內(nèi)容 107
3.10 用TensorFlow簡(jiǎn)化機(jī)器學(xué)習(xí)流程 107
3.10.1 準(zhǔn)備工作 107
3.10.2 詳細(xì)步驟 108
3.10.3 工作原理 109
3.10.4 更多內(nèi)容 109
3.11 堆疊法實(shí)現(xiàn) 109
3.11.1 準(zhǔn)備工作 109
3.11.2 詳細(xì)步驟 109
3.11.3 工作原理 110
3.11.4 更多內(nèi)容 111
第4章 無(wú)監(jiān)督學(xué)習(xí)——聚類 112
4.1 技術(shù)要求 112
4.2 簡(jiǎn)介 113
4.3 用k-means算法聚類數(shù)據(jù) 113
4.3.1 準(zhǔn)備工作 114
4.3.2 詳細(xì)步驟 114
4.3.3 工作原理 116
4.3.4 更多內(nèi)容 117
4.4 用向量量化壓縮圖片 117
4.4.1 準(zhǔn)備工作 118
4.4.2 詳細(xì)步驟 118
4.4.3 工作原理 121
4.4.4 更多內(nèi)容 121
4.5 用凝聚層次聚類進(jìn)行數(shù)據(jù)分組 122
4.5.1 準(zhǔn)備工作 122
4.5.2 詳細(xì)步驟 122
4.5.3 工作原理 125
4.5.4 更多內(nèi)容 125
4.6 評(píng)估聚類算法性能 126
4.6.1 準(zhǔn)備工作 126
4.6.2 詳細(xì)步驟 126
4.6.3 工作原理 129
4.6.4 更多內(nèi)容 129
4.7 用DBSCAN算法估算簇的個(gè)數(shù) 129
4.7.1 準(zhǔn)備工作 130
4.7.2 詳細(xì)步驟 130
4.7.3 工作原理 133
4.7.4 更多內(nèi)容 133
4.8 探索股票數(shù)據(jù)模式 134
4.8.1 準(zhǔn)備工作 134
4.8.2 詳細(xì)步驟 134
4.8.3 工作原理 136
4.8.4 更多內(nèi)容 136
4.9 構(gòu)建市場(chǎng)細(xì)分模型 136
4.9.1 準(zhǔn)備工作 136
4.9.2 詳細(xì)步驟 137
4.9.3 工作原理 139
4.9.4 更多內(nèi)容 139
4.10 用自動(dòng)編碼器重構(gòu)手寫數(shù)字圖像 139
4.10.1 準(zhǔn)備工作 140
4.10.2 詳細(xì)步驟 140
4.10.3 工作原理 143
4.10.4 更多內(nèi)容 144
第5章 可視化數(shù)據(jù) 145
5.1 技術(shù)需求 145
5.2 簡(jiǎn)介 146
5.3 畫3D散點(diǎn)圖 146
5.3.1 準(zhǔn)備工作 146
5.3.2 詳細(xì)步驟 146
5.3.3 工作原理 148
5.3.4 更多內(nèi)容 148
5.4 畫氣泡圖 148
5.4.1 準(zhǔn)備工作 148
5.4.2 詳細(xì)步驟 148
5.4.3 工作原理 149
5.4.4 更多內(nèi)容 150
5.5 畫動(dòng)態(tài)氣泡圖 150
5.5.1 準(zhǔn)備工作 150
5.5.2 詳細(xì)步驟 150
5.5.3 工作原理 152
5.5.4 更多內(nèi)容 152
5.6 畫餅圖 152
5.6.1 準(zhǔn)備工作 152
5.6.2 詳細(xì)步驟 153
5.6.3 工作原理 154
5.6.4 更多內(nèi)容 154
5.7 繪制日期格式的時(shí)間序列數(shù)據(jù) 154
5.7.1 準(zhǔn)備工作 154
5.7.2 詳細(xì)步驟 154
5.7.3 工作原理 156
5.7.4 更多內(nèi)容 156
5.8 畫直方圖 156
5.8.1 準(zhǔn)備工作 157
5.8.2 詳細(xì)步驟 157
5.8.3 工作原理 158
5.8.4 更多內(nèi)容 159
5.9 可視化熱力圖 159
5.9.1 準(zhǔn)備工作 159
5.9.2 詳細(xì)步驟 159
5.9.3 工作原理 161
5.9.4 更多內(nèi)容 161
5.10 動(dòng)態(tài)信號(hào)的可視化模擬 161
5.10.1 準(zhǔn)備工作 161
5.10.2 詳細(xì)步驟 161
5.10.3 工作原理 163
5.10.4 更多內(nèi)容 164
5.11 用seaborn庫(kù)畫圖 164
5.11.1 準(zhǔn)備工作 164
5.11.2 詳細(xì)步驟 164
5.11.3 工作原理 166
5.11.4 更多內(nèi)容 166
第6章 構(gòu)建推薦引擎 167
6.1 技術(shù)要求 167
6.2 簡(jiǎn)介 168
6.3 為數(shù)據(jù)處理構(gòu)建函數(shù)組合 168
6.4 構(gòu)建機(jī)器學(xué)習(xí)管道 171
6.5 構(gòu)建最近鄰分類器 173
6.6 構(gòu)建KNN分類器 176
6.7 構(gòu)建KNN回歸器 181
6.8 計(jì)算歐式距離分?jǐn)?shù) 184
6.9 計(jì)算皮爾遜相關(guān)系數(shù) 186
6.10 查找數(shù)據(jù)集中的相似用戶 189
6.11 生成電影推薦 191
6.12 實(shí)現(xiàn)排序算法 193
6.13 用TensorFlow構(gòu)建過濾器模型 195
第7章 文本數(shù)據(jù)分析 201
7.1 技術(shù)要求 201
7.2 簡(jiǎn)介 202
7.3 用標(biāo)記解析的方法預(yù)處理數(shù)據(jù) 203
7.4 提取文本數(shù)據(jù)的詞干 205
7.5 用詞形還原的方法還原文本的基本形式 207
7.6 用分塊的方法劃分文本 209
7.7 構(gòu)建詞袋模型 211
7.8 構(gòu)建文本分類器 214
7.9 識(shí)別名字性別 217
7.10 語(yǔ)句情感分析 219
7.11 用主題建模識(shí)別文本模式 223
7.12 用spaCy進(jìn)行詞性標(biāo)注 226
7.13 用gensim構(gòu)建Word2Vec模型 228
7.14 用淺層學(xué)習(xí)檢測(cè)垃圾信息 229
第8章 語(yǔ)音識(shí)別 232
8.1 技術(shù)要求 232
8.2 簡(jiǎn)介 233
8.3 讀取和繪制音頻數(shù)據(jù) 233
8.4 將音頻信號(hào)轉(zhuǎn)換為頻域 236
8.5 用自定義參數(shù)生成音頻信號(hào) 238
8.6 合成音樂 241
8.7 提取頻域特征 243
8.8 構(gòu)建隱馬爾可夫模型 246
8.9 構(gòu)建語(yǔ)音識(shí)別器 248
8.10 構(gòu)建TTS系統(tǒng) 253
第9章 時(shí)序列化和時(shí)序數(shù)據(jù)分析 256
9.1 技術(shù)要求 256
9.2 簡(jiǎn)介 257
9.3 將數(shù)據(jù)轉(zhuǎn)換為時(shí)間序列格式 257
9.4 切分時(shí)間序列數(shù)據(jù) 260
9.5 操作時(shí)間序列數(shù)據(jù) 262
9.6 從時(shí)序數(shù)據(jù)中提取統(tǒng)計(jì)信息 265
9.7 為序列數(shù)據(jù)構(gòu)建隱馬爾可夫模型 268
9.8 為序列化文本數(shù)據(jù)構(gòu)建條件隨機(jī)場(chǎng) 271
9.9 股市數(shù)據(jù)分析 274
9.10 用RNN預(yù)測(cè)時(shí)間序列數(shù)據(jù) 279
第 10章 圖像內(nèi)容分析 284
10.1 技術(shù)要求 284
10.2 簡(jiǎn)介 285
10.3 用OpenCV_Python操作圖像 286
10.4 邊緣檢測(cè) 288
10.5 直方圖均衡 290
10.6 角點(diǎn)檢測(cè) 293
10.7 SIFT特征點(diǎn)檢測(cè) 294
10.8 構(gòu)建Star特征檢測(cè)器 296
10.9 用視覺碼本和向量量化創(chuàng)建特征 299
10.10 用極端隨機(jī)森林訓(xùn)練圖像分類器 302
10.11 構(gòu)建對(duì)象識(shí)別器 304
10.12 用LightGBM進(jìn)行圖像分類 306

第 11章 生物特征人臉識(shí)別 310
11.1 技術(shù)要求 310
11.2 簡(jiǎn)介 311
11.3 從網(wǎng)絡(luò)攝像頭采集和處理視頻信息 311
11.4 用Haar級(jí)聯(lián)構(gòu)建人臉識(shí)別器 313
11.5 構(gòu)建眼鼻檢測(cè)器 316
11.6 主成分分析 319
11.7 核主成分分析 321
11.8 盲源分離 324
11.9 用局部二值模式直方圖構(gòu)建人臉識(shí)別器 328
11.10 基于HOG模型進(jìn)行人臉識(shí)別 332
11.11 人臉特征點(diǎn)識(shí)別 334
11.12 用人臉識(shí)別進(jìn)行用戶身份驗(yàn)證 336
第 12章 強(qiáng)化學(xué)習(xí) 339
12.1 技術(shù)要求 339
12.2 簡(jiǎn)介 340
12.3 用MDP預(yù)報(bào)天氣 341
12.4 用DP優(yōu)化金融投資組合 344
12.5 找出最短路徑 346
12.6 使用Q學(xué)習(xí)決定折扣因子 348
12.7 實(shí)現(xiàn)深度Q學(xué)習(xí)算法 351
12.8 開發(fā)基于AI的動(dòng)態(tài)模型系統(tǒng) 353
12.9 通過雙Q學(xué)習(xí)進(jìn)行深度強(qiáng)化學(xué)習(xí) 355
12.10 通過dueling Q學(xué)習(xí)進(jìn)行深度強(qiáng)化學(xué)習(xí) 357
第 13章 深度神經(jīng)網(wǎng)絡(luò) 361
13.1 技術(shù)要求 361
13.2 簡(jiǎn)介 362
13.3 構(gòu)建感知機(jī)模型 362
13.4 構(gòu)建單層神經(jīng)網(wǎng)絡(luò) 365
13.5 構(gòu)建深度神經(jīng)網(wǎng)絡(luò) 368
13.6 創(chuàng)建向量量化器 371
13.7 為序列數(shù)據(jù)分析構(gòu)建循環(huán)神經(jīng)網(wǎng)絡(luò) 373
13.8 可視化OCR數(shù)據(jù)庫(kù)字符 377
13.9 使用神經(jīng)網(wǎng)絡(luò)構(gòu)建光學(xué)字符識(shí)別器 379
13.10 用ANN實(shí)現(xiàn)優(yōu)化算法 381

第 14章 無(wú)監(jiān)督表示學(xué)習(xí) 385
14.1 需要的文件 385
14.2 簡(jiǎn)介 386
14.3 用降噪自動(dòng)編碼器檢測(cè)欺詐交易 386
14.4 用CBOW和skipgram表示生成詞嵌入 391
14.5 用PCA和t-SNE可視化MNIST數(shù)據(jù) 393
14.6 使用詞嵌入進(jìn)行推特情感分析 397
14.7 用scikit-learn實(shí)現(xiàn)LDA 400
14.8 用LDA對(duì)文本文檔分類 402
14.9 為L(zhǎng)DA準(zhǔn)備數(shù)據(jù) 405
第 15章 自動(dòng)機(jī)器學(xué)習(xí)與遷移學(xué)習(xí) 408
15.1 技術(shù)要求 408
15.2 簡(jiǎn)介 409
15.3 Auto-WEKA 409
15.4 用AutoML工具TPOT生成機(jī)器學(xué)習(xí)管道 410
15.5 Auto-Keras 412
15.6 auto-sklearn 413
15.7 用MLBox進(jìn)行功能選擇和泄漏檢測(cè) 415
15.8 用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行遷移學(xué)習(xí) 417
15.9 用ResNet-50作預(yù)訓(xùn)練圖像分類器進(jìn)行遷移學(xué)習(xí) 421
15.10 用VGG16模型作特征提取器進(jìn)行遷移學(xué)習(xí) 423
15.11 用預(yù)訓(xùn)練GloVe嵌入模型進(jìn)行遷移學(xué)習(xí) 425
第 16章 生產(chǎn)中的應(yīng)用 430
16.1 技術(shù)要求 430
16.2 簡(jiǎn)介 430
16.3 處理非結(jié)構(gòu)化數(shù)據(jù) 431
16.4 部署機(jī)器學(xué)習(xí)模型 433
16.5 跟蹤生產(chǎn)中的變化 435
16.6 跟蹤準(zhǔn)確率并優(yōu)化模型 437

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) m.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號(hào) 鄂公網(wǎng)安備 42010302001612號(hào)