初探機器學習演算法
Giuseppe Bonaccorso 著、賴屹民 譯
- 出版商: 碁峰資訊
- 出版日期: 2017-12-06
- 定價: $480
- 售價: 9.0 折 $432
- 語言: 繁體中文
- 頁數: 336
- ISBN: 9864766740
- ISBN-13: 9789864766741
-
相關分類:
Machine Learning 機器學習 、Algorithms-data-structures 資料結構與演算法
- 此書翻譯自: Machine Learning Algorithms
-
相關翻譯:
機器學習算法 (簡中版)
已絕版
買這商品的人也買了...
-
$350$298 -
$528$502 -
$250鳳凰計畫:一個 IT計畫的傳奇故事 (The Phoenix Project : A Novel about IT, DevOps, and Helping your business win)(沙盤特別版)
-
$490$417 -
$590$460 -
$390$371 -
$1,008$958 -
$580$458 -
$480$379 -
$680$578 -
$760$646 -
$500$390 -
$450$356 -
$500$390 -
$699$489 -
$380$323 -
$294$279 -
$690$587 -
$620$484 -
$450$356 -
$380$300 -
$650$507 -
$380$296 -
$380$323 -
$620$490
商品描述
熱門資料科學與機器學習演算法學習指南
本書介紹並說明資料科學領域常見且重要的機器學習演算法,這些演算法可用於監督式與非監督學習、強化學習與半監督式學習。
書中所討論的演算法包括線性迴歸、logistic迴歸、SVM、樸素貝氏、k-means、隨機森林、TensorFlow與特徵工程。
你將會學到如何使用這些演算法來解決問題,以及它們的工作原理。同時也會介紹自然語言處理與推薦系統,以協助同時執行多種演算法。
最後將會知道如何挑選正確的機器學習演算法,來為你的問題進行分群、分類或迴歸。
你將學會:
• 熟悉機器學習的重要元素
• 瞭解特徵選擇與特徵工程流程
• 平衡線性迴歸的效能與誤差
• 建立資料模型,與使用各種類型的演算法來瞭解它的工作方式
• 微調SVM的參數
• 實作資料集的群聚
• 探索自然語言處理與推薦系統的概念
• 從零開始建立機器學習架構
目錄大綱
第 1 章 機器學習簡介
第 2 章 機器學習的重要元素
第 3 章 特徵選擇與特徵工程
第 4 章 線性迴歸
第 5 章 Logistic 迴歸
第 6 章 樸素貝氏
第 7 章 支援向量機
第 8 章 決策樹與整體學習
第 9 章 分群基礎
第 10 章 階層式分群
第 11 章 推薦系統簡介
第 12 章 自然語言處理簡介
第 13 章 NLP 的主題建模與情緒分析
第 14 章 深度學習與 TensorFlow 簡介
第 15 章 建立機器學習架構