机读格式显示(MARC)

• 000 01268nam0 2200289 450

• 001 0000718889

• 005 20210306150700.0

• 010 __ |a 978-7-111-65471-1 |d CNY99.80

• 099 __ |a CAL 012020180001

• 100 __ |a 20200608d2020 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a Python大数据分析与机器学习商业案例实战 |A Python da shu ju fen xi yu ji qi xue xi shang ye an li shi zhan |f 王宇韬, 钱妍竹著

• 210 __ |a 北京 |c 机械工业出版社 |d 2020

• 215 __ |a 392页 |c 图 |d 26cm

• 330 __ |a 全书共16章，讲解了线性回归模型、逻辑回归模型、决策树模型、朴素贝叶斯模型、K近邻算法模型、随机森林模型、AdaBoost与GBDT模型、XGBoost与LightGBM模型、PCA（主成分分析）模型、聚类与分群模型（KMeans与DBSCAN算法）、协同过滤算法模型、Apriori关联分析模型、神经网络模型等十余种机器学习模型的原理和代码实现，每种模型都配有一到两个典型案例，涵盖金融、营销、医疗、社会科学、企业办公与管理等多个领域。

• 606 0_ |a 软件工具 |A ruan jian gong ju |x 程序设计

• 606 0_ |a 企业管理 |A qi ye guan li |x 应用 |x 机器学习 |x 案例

• 690 __ |a TP311.561 |v 5

• 690 __ |a F272.7 |v 5

• 701 _0 |a 王宇韬 |A wang yu tao |4 著

• 701 _0 |a 钱妍竹 |A qian yan zhu |4 著

• 801 _0 |a CN |b SEU |c 20200608

• 905 __ |a SCNU |f TP311.561/1035

• 920 __ |a 242430 |z 1