Excel 機器學習
[美] 周紅
- 出版商: 人民郵電
- 出版日期: 2023-03-01
- 售價: $359
- 貴賓價: 9.5 折 $341
- 語言: 簡體中文
- 頁數: 170
- ISBN: 7115611289
- ISBN-13: 9787115611284
-
相關分類:
Excel、Machine Learning
立即出貨
買這商品的人也買了...
-
$250C# 並發編程經典實例 -
$352SAP從入門到精通 -
$352Java 多線程編程核心技術 (Java Multi-thread Programming) -
資料採礦之技術及應用 (Excel 實例演練)$689$655 -
$352實戰 Java 高並發程序設計 -
王者歸來：Python 在大數據科學計算上的最佳實作$860$731 -
Python GUI 程式設計：PyQt5 實戰$690$538 -
用 Excel 學 Python 資料分析$450$383 -
$458Excel 電商數據分析達人修煉手冊：數據高效處理與分析 -
$551OpenCV 4 機器學習算法原理與編程實戰 -
資料科學的建模基礎 : 別急著 coding！你知道模型的陷阱嗎？$599$473 -
$458寫給新手的深度學習 — 用 Python 學習神經網絡和反向傳播 -
ANSYS Workbench 熱力學分析實例演練 (2020版)$714$678 -
ADAMS 2020 虛擬樣機技術從入門到精通$654$621 -
![統計學與 Excel 資料分析之實習應用, 7/e [培養大數據分析力一定要會的統計分析與資料處理工具]-cover](https://cf-assets2.tenlong.com.tw/products/images/000/167/340/medium/9789864348497_bc.jpg?1631704123)
統計學與 Excel 資料分析之實習應用, 7/e [培養大數據分析力一定要會的統計分析與資料處理工具]$690$538 -
資料科學的統計實務 : 探索資料本質、扎實解讀數據，才是機器學習成功建模的第一步$599$473 -
機器學習的統計基礎 : 深度學習背後的核心技術$680$537 -
文科生也學得會！資料 科學 ✕ 機器學習實戰 探索 - 使用 Excel$550$435 -
Keras 大神歸位：深度學習全面進化！用 Python 實作 CNN、RNN、GRU、LSTM、GAN、VAE、Transformer$1,200$948 -
$1,223矩陣力量 (線性代數全彩圖解 + 微課 + Python 編程) -
機器學習（MATLAB版）$348$331 -
數據挖掘與機器學習 : 基礎概念和算法 (原書2版) (Data Mining and Machine Learning: Fundamental Concepts and Algorithms, 2/e)$1,194$1,134 -
擴散模型從原理到實戰$479$455 -
Python 大數據專案 X 工程 X 產品 資料工程師的升級攻略, 2/e$780$616 -
機器學習高級實踐：運算廣告、供需預測、智慧行銷、動態定價$834$792
相關主題
商品描述
本書通過Excel示例介紹常用的機器學習算法和數據挖掘技術。許多機器學習任務的目的是找到數據中的隱藏模式。Excel能夠清楚地展示機器學習建模過程的每一步及中間結果，讓你不僅知其然，還知其所以然。第1章解釋用Excel學習機器學習的益處。第2～12章分別介紹線性回歸、k均值聚類、線性判別分析、交叉驗證、logistic回歸、k最近鄰、樸素貝葉斯分類、決策樹、關聯分析、神經網絡、文本挖掘。第13章總結全書內容，並為讀者指出繼續學習的方向。
作者簡介
周红博士是美国康涅狄格州圣约瑟夫大学计算机科学和数学教授，也曾在硅谷从事软件开发工作。作为经验丰富的教育工作者，他意识到利用Excel分步讲解机器学习方法和数据挖掘技巧的独特优势，并在实际教学过程中成功地引入Excel作为演示工具。这种教学方法颇受学生欢迎。
目錄大綱
第 1章 Excel和數據挖掘 1
1.1 為什麽選擇Excel 1
1.2 Excel 預備技巧 4
1.2.1 公式 5
1.2.2 自動填充或復制 5
1.2.3 絕對引用 7
1.2.4 選擇性粘貼和值粘貼 9
1.2.5 IF 函數 11
1.3 復習要點 17
第 2章 線性回歸 18
2.1 一般性理解 18
2.2 通過Excel學習線性回歸 22
2.3 通過Excel學習多元線性回歸 25
2.4 復習要點 28
第3章 k均值聚類 29
3.1 一般性理解 29
3.2 通過Excel學習k均值聚類 30
3.3 復習要點 39
第4章 線性判別分析 40
4.1 一般性理解 40
4.2 規劃求解 42
4.3 通過Excel學習線性判別分析 44
4.4 復習要點 53
第5章 交叉驗證和ROC曲線分析 54
5.1 對交叉驗證的一般性理解 54
5.2 通過Excel學習交叉驗證 55
5.3 對ROC曲線分析的一般性理解 59
5.4 通過Excel學習ROC曲線分析 60
5.5 復習要點 65
第6章 logistic回歸 66
6.1 一般性理解 66
6.2 通過Excel 學習logistic 回歸 67
6.3 復習要點 73
第7章 k最近鄰 74
7.1 一般性理解 74
7.2 通過Excel 學習k 最近鄰 75
7.2.1 實驗1 75
7.2.2 實驗2 78
7.2.3 實驗3 82
7.2.4 實驗4 85
7.3 復習要點 87
第8章 樸素貝葉斯分類 88
8.1 一般性理解 88
8.2 通過Excel 學習樸素貝葉斯分類 90
8.2.1 練習1 91
8.2.2 練習2 94
8.3 復習要點 100
第9章 決策樹 101
9.1 一般性理解 102
9.2 通過Excel 學習決策樹 105
9.2.1 開始學習 105
9.2.2 更好的方法 115
9.2.3 應用模型 118
9.3 復習要點 120
第 10章 關聯分析 121
10.1 一般性理解 122
10.2 通過Excel 學習關聯分析 124
10.3 復習要點 131
第 11章 人工神經網絡 132
11.1 一般性理解 132
11.2 通過Excel學習人工神經網絡 134
11.2.1 實驗1 134
11.2.2 實驗2 143
11.3 復習要點 152
第 12章 文本挖掘 153
12.1 一般性理解 153
12.2 通過Excel學習文本挖掘 155
12.3 復習要點 168
第 13章 後記 169
