机读格式显示(MARC)

• 000 01813nam 2200301 450

• 001 0000779575

• 005 20230314160100.0

• 010 __ |a 978-7-302-59284-6 |d CNY69.00

• 099 __ |a CAL 012022082516

• 100 __ |a 20220826d2022 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a 跟我一起学机器学习 |A gen wo yi qi xue ji qi xue xi |f 王成, 黄晓辉编著

• 210 __ |a 北京 |c 清华大学出版社 |d 2022

• 215 __ |a XIII, 227页 |c 图 |d 24cm

• 225 2_ |a 计算机技术开发与应用丛书 |A ji suan ji ji shu kai fa yu ying yong cong shu

• 314 __ |a 王成, 华东交通大学计算机应用技术硕士毕业, 机器学习领域CSDN与知乎专栏常驻作者。黄晓辉, 哈尔滨工业大学计算机科学与技术博士毕业, 华东交通大学信息工程学院副教授。

• 330 __ |a 本书系统地阐述机器学习中常见的几类模型, 包括模型的思想、原理及实现细节等。同时, 本书还结合了当前热门的机器学习框架Sklearn, 对书中所涉及的模型进行用法上详细讲解。全书共10章, 第1章介绍机器学习开发环境的配置 ; 第2章讲解线性回归模型的基本原理、回归模型中常见的几种评价指标, 以及用于有监督模型训练的梯度下降算法 ; 第3章介绍逻辑回归模型的基本原理和分类模型中常见的几种评价指标 ; 第4章介绍模型的改善与泛化, 包括特征标准化、如何避免过拟合及如何进行模型选择等 ; 第5章讲解K最近邻分类算法的基本原理及kd树的构造与搜索 ; 第6章介绍朴素贝叶斯算法的基本原理 ; 第7章介绍几种常见的文本特征提取方法, 包括词袋模型和TF-IDF等 ; 第8章讲解决策树的基本原理, 包括几种经典的决策树生成算法和集成模型 ; 第9章介绍支持向量机的基本原理与求解过程 ; 第10章介绍几种经典的聚类算法及相应的评价指标计算方法。

• 410 _0 |1 2001 |a 计算机技术开发与应用丛书

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 王成 |A wang cheng |4 编著

• 701 _0 |a 黄晓辉 |A huang xiao hui |4 编著

• 801 _0 |a CN |b 人天书店 |c 20220826

• 905 __ |a SCNU |f TP181/1053

• 920 __ |a 242430 |z 1