图书介绍

scikit-learn机器学习PDF|Epub|txt|kindle电子书版本下载

scikit-learn机器学习
  • （美）加文·海克（Gavin Hackeling）著 著
  • 出版社： 北京：人民邮电出版社
  • ISBN：9787115503404
  • 出版时间：2019
  • 标注页数：199页
  • 文件大小：22MB
  • 文件页数：216页
  • 主题词：机器学习

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：7c18242eabc5886d5ed49aabd8ca75a4

下载说明

scikit-learn机器学习PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章 机器学习基础1

1.1定义机器学习1

1.2从经验中学习2

1.3机器学习任务3

1.4训练数据、测试数据和验证数据4

1.5偏差和方差6

1.6 scikit-learn简介8

1.7安装scikit-learn8

1.7.1使用pip安装9

1.7.2在Windows系统下安装9

1.7.3在Ubuntu 16.04系统下安装10

1.7.4在Mac OS系统下安装10

1.7.5安装Anaconda10

1.7.6验证安装10

1.8安装pandas、Pillow、NLTK和matplotlib11

1.9小结11

第2章 简单线性回归12

2.1简单线性回归12

2.1.1用代价函数评价模型的拟合性15

2.1.2求解简单线性回归的OLS17

2.2评价模型19

2.3小结21

第3章 用K-近邻算法分类和回归22

3.1 K-近邻模型22

3.2惰性学习和非参数模型23

3.3 KNN模型分类23

3.4 KNN模型回归31

3.5小结36

第4章 特征提取37

4.1从类别变量中提取特征37

4.2特征标准化38

4.3从文本中提取特征39

4.3.1词袋模型39

4.3.2停用词过滤42

4.3.3词干提取和词形还原43

4.3.4 tf-idf权重扩展词包45

4.3.5空间有效特征向量化与哈希技巧48

4.3.6词向量49

4.4从图像中提取特征52

4.4.1从像素强度中提取特征53

4.4.2使用卷积神经网络激活项作为特征54

4.5小结56

第5章 从简单线性回归到多元线性回归58

5.1多元线性回归58

5.2多项式回归62

5.3正则化66

5.4应用线性回归67

5.4.1探索数据67

5.4.2拟合和评估模型69

5.5梯度下降法72

5.6小结76

第6章 从线性回归到逻辑回归77

6.1使用逻辑回归进行二元分类77

6.2垃圾邮件过滤79

6.2.1二元分类性能指标81

6.2.2准确率82

6.2.3精准率和召回率83

6.2.4计算F1值84

6.2.5 ROCAUC84

6.3使用网格搜索微调模型86

6.4多类别分类88

6.5多标签分类和问题转换93

6.6小结97

第7章 朴素贝叶斯98

7.1贝叶斯定理98

7.2生成模型和判别模型100

7.3朴素贝叶斯100

7.4在scikit-learn中使用朴素贝叶斯102

7.5小结106

第8章 非线性分类和决策树回归107

8.1决策树107

8.2训练决策树108

8.2.1选择问题109

8.2.2基尼不纯度116

8.3使用scikit-learn类库创建决策树117

8.4小结120

第9章 集成方法：从决策树到随机森林121

9.1套袋法121

9.2推进法124

9.3堆叠法126

9.4小结128

第10章 感知机129

10.1感知机129

10.1.1激活函数130

10.1.2感知机学习算法131

10.1.3使用感知机进行二元分类132

10.1.4使用感知机进行文档分类138

10.2感知机的局限性139

10.3小结140

第11章 从感知机到支持向量机141

11.1核与核技巧141

11.2最大间隔分类和支持向量145

11.3用scikit-learn分类字符147

11.3.1手写数字分类147

11.3.2自然图片字符分类150

11.4小结152

第12章 从感知机到人工神经网络153

12.1非线性决策边界154

12.2前馈人工神经网络和反馈人工神经网络155

12.3多层感知机155

12.4训练多层感知机157

12.4.1反向传播158

12.4.2训练一个多层感知机逼近XOR函数162

12.4.3训练一个多层感知机分类手写数字164

12.5小结165

第13章 K-均值算法166

13.1聚类166

13.2 K-均值算法168

13.2.1局部最优值172

13.2.2用肘部法选择K值173

13.3评估聚类176

13.4图像量化178

13.5通过聚类学习特征180

13.6小结184

第14章 使用主成分分析降维185

14.1主成分分析185

14.1.1方差、协方差和协方差矩阵188

14.1.2特征向量和特征值190

14.1.3进行主成分分析192

14.2使用PCA对高维数据可视化194

14.3使用PCA进行面部识别196

14.4小结199

热门推荐