| 开本：16开 |
| 纸张：轻型纸 |
| 包装：平装-胶订 |
| 是否套装：否 |
| 国际标准书号ISBN：9787576350364 |
| 所属分类：图书>计算机/网络>家庭与办公室用书>微软Office |
七天无理由 团购优惠 正规发票目 录
部分机器学格数据
章经典的机器学和方法
建模的基本原理，
什么是建模
学，
定量数据表示回归和分类
机器学循环训练集、验证集和测试集
偏差方差权衡
特征空间和维度诅咒
优化和梯度下降
指标和评估
平均误差
均方误差
混淆矩阵部分机器学格数据章经典的机器学和方法建模的基本原理，什么是建模学，定量数据表示回归和分类机器学循环训练集、验证集和测试集偏差方差权衡特征空间和维度诅咒优化和梯度下降指标和评估 平均误差 均方误差混淆矩阵率率召回率分数接收器操作特曲线积 算法理论和直观理解 代码的实现和使用线回归理论和直观理解代码实现和使用其他简单线回归的变体逻辑回归理论和直观理解代码实现和使用逻辑回归的其他变体决策树理论和直观理解代码实现和使用森林梯度提升理论和直观理解 算结经典机器学考关键知识点参考文献章数据准备和特征工程数据存储和操作 创建一个 序列数据集处理大型数据集适合放入内存的数据集 和 稀疏矩阵不适合放入内存的数据集分块器数据编码离散数据……章神经网络的可解释激活大化 关键知识点参考文献结束语附录 和 数组数组构建简单的索引数值操作索引数据类型函数应用和向量化数组应用图像操作数据框 构建数据框基础操作操作透视融解展开堆叠取消堆叠结论写在译后的话
显示全部信息
在线试读
本书的是表格数据的深度学担心，你读对了!，但首先建立对经典机器学实理解是很有必要的。
首先建立对经典机器学实理解有许多充分的理由，因为深度学并建立在经典机器学本原理之上。在许多情况下，现代深度学的公理和行为与传统机器学，对这些范式转变一行讨论和探索。尽管如此，要直观地理解和应用深度学典机器学厚知识是必不可少的，像学分需要掌握基本的数学知识，即使在新的、陌生的无穷环境下，依然需要建立对代数的扎实理解一样。
此外，对于寻求将深度学于表格数据的人来说，理解经典机器学比寻求将深度学于其他类型的数据图像、文本、信号等更重要，因为许多经典机器学针对表格数据构建的，后来才适应其他类型的数据。经典机器学心算法和原理通常假设存在某些数据特征和属，这些特征和属通常只存在于表格数据中。要理解表格数据的建模，必须理解这些特征和属，以及为什么经典机器学可以对它行假设和建模，还有如何通过深度学行更好的建模。
此外，尽管人们对深度学宣传，但深度学是一个通用的解决方案，也不应该被视作通用的解决方案!在专门的数据应用中，通常可行的解决方案是基于深度学然而，对于涉及表格数据的问题，经典机器学提供更好的解决方案。因此，了解这套经典方和实现重要。在本书中，你将继续磨炼你的判断力，以确定哪种技术适用于您需要解决的问题。
本章将对经典机器学、理论和实行广泛的概述。本章分为四个部分“建模的基本原理”，通过直觉、数学、可视化和代码实验探索关键的统一概念“指标和评估”，提供常用模型评估方法的概述和实现“算法”，涵盖了各种基础和流行的经典机器学的理论和实现从头开始手写和从现有库调用模式“经典机器学考”，过渡引入新的深度学。本章假设读者已具备 和 的基本知识，但介绍了建模库 的基本用法。要深入了解以及 和 数据集的概念和实现，请参阅章建模的基本原理
在本部分，我们将探讨建模的几个基本思想、概念和原则，是在与表格数据相关的情况和背景下。即使您对这些主题很熟悉或有经验，您也可能发现对新的概念方法或框架的讨论，以巩固和推动您的理解。
什么是建模
一般来说，建模通常了数据科学领域，是指建立适当的“较小”近似值或“较大”现象的表示的过程。例如，时尚模是展示时尚品牌的关键元素和趋势。当设计师选择时尚模特穿什么衣服时，设计师不能让他们穿上时尚品牌的每一件衣服一一他们必须选择具代表、能体现品牌的精神、格和哲学的单品。在人文科学和社会科学哲学、社会学、历史学、心理学、政治学等中，一个模型或类似的“理论”作为一个统一的框架，将思想和经验观察联系起来。心理学中的爱情理论不能解释括爱情发生的所有可能原因和条件，但通过探索爱情的一般轮廓和动力，我们可以大致了解爱情并近似它。本书的是表格数据的深度学担心，你读对了!，但首先建立对经典机器学实理解是很有必要的。首先建立对经典机器学实理解有许多充分的理由，因为深度学并建立在经典机器学本原理之上。在许多情况下，现代深度学的公理和行为与传统机器学，对这些范式转变一行讨论和探索。尽管如此，要直观地理解和应用深度学典机器学厚知识是必不可少的，像学分需要掌握基本的数学知识，即使在新的、陌生的无穷环境下，依然需要建立对代数的扎实理解一样。此外，对于寻求将深度学于表格数据的人来说，理解经典机器学比寻求将深度学于其他类型的数据图像、文本、信号等更重要，因为许多经典机器学针对表格数据构建的，后来才适应其他类型的数据。经典机器学心算法和原理通常假设存在某些数据特征和属，这些特征和属通常只存在于表格数据中。要理解表格数据的建模，必须理解这些特征和属，以及为什么经典机器学可以对它行假设和建模，还有如何通过深度学行更好的建模。此外，尽管人们对深度学宣传，但深度学是一个通用的解决方案，也不应该被视作通用的解决方案!在专门的数据应用中，通常可行的解决方案是基于深度学然而，对于涉及表格数据的问题，经典机器学提供更好的解决方案。因此，了解这套经典方和实现重要。在本书中，你将继续磨炼你的判断力，以确定哪种技术适用于您需要解决的问题。本章将对经典机器学、理论和实行广泛的概述。本章分为四个部分“建模的基本原理”，通过直觉、数学、可视化和代码实验探索关键的统一概念“指标和评估”，提供常用模型评估方法的概述和实现“算法”，涵盖了各种基础和流行的经典机器学的理论和实现从头开始手写和从现有库调用模式“经典机器学考”，过渡引入新的深度学。本章假设读者已具备 和 的基本知识，但介绍了建模库 的基本用法。要深入了解以及 和 数据集的概念和实现，请参阅章建模的基本原理在本部分，我们将探讨建模的几个基本思想、概念和原则，是在与表格数据相关的情况和背景下。即使您对这些主题很熟悉或有经验，您也可能发现对新的概念方法或框架的讨论，以巩固和推动您的理解。什么是建模一般来说，建模通常了数据科学领域，是指建立适当的“较小”近似值或“较大”现象的表示的过程。例如，时尚模是展示时尚品牌的关键元素和趋势。当设计师选择时尚模特穿什么衣服时，设计师不能让他们穿上时尚品牌的每一件衣服一一他们必须选择具代表、能体现品牌的精神、格和哲学的单品。在人文科学和社会科学哲学、社会学、历史学、心理学、政治学等中，一个模型或类似的“理论”作为一个统一的框架，将思想和经验观察联系起来。心理学中的爱情理论不能解释括爱情发生的所有可能原因和条件，但通过探索爱情的一般轮廓和动力，我们可以大致了解爱情并近似它。同样，科学模型阑明了一个概念，这个概念对其来源的任何环境具有普遍影响。尽管自然界是嘈杂的，科学模型是近似的，但模型可以用来推导有用的近似预测。哥白尼的太阳系模型表明，太阳是宇宙的中心，地球和其他行星以圆形轨道围绕太阳运行。这个模型可以用于理解和预测行星的运动。
显示全部信息
商品详情
图书基本信息
图书名称现代深度学格数据中的应用常见建模问题的新方法安德烈·叶北京理工大学出版社有限责任公司作者安德烈·叶
定价出版社北京理工大学出版社有限责任公司
出版日期
版次开本
部分机器学格数据
章经典的机器学和方法
建模的基本原理，
什么是建模
学，
定量数据表示回归和分类
机器学循环训练集、验证集和测试集
偏差方差权衡
特征空间和维度诅咒
优化和梯度下降
指标和评估
平均误差
均方误差
混淆矩阵部分机器学格数据章经典的机器学和方法建模的基本原理，什么是建模学，定量数据表示回归和分类机器学循环训练集、验证集和测试集偏差方差权衡特征空间和维度诅咒优化和梯度下降指标和评估 平均误差 均方误差混淆矩阵率率召回率分数接收器操作特曲线积 算法理论和直观理解 代码的实现和使用线回归理论和直观理解代码实现和使用其他简单线回归的变体逻辑回归理论和直观理解代码实现和使用逻辑回归的其他变体决策树理论和直观理解代码实现和使用森林梯度提升理论和直观理解 算结经典机器学考关键知识点参考文献章数据准备和特征工程数据存储和操作 创建一个 序列数据集处理大型数据集适合放入内存的数据集 和 稀疏矩阵不适合放入内存的数据集分块器数据编码离散数据……章神经网络的可解释激活大化 关键知识点参考文献结束语附录 和 数组数组构建简单的索引数值操作索引数据类型函数应用和向量化数组应用图像操作数据框 构建数据框基础操作操作透视融解展开堆叠取消堆叠结论写在译后的话
显示全部信息
在线试读
本书的是表格数据的深度学担心，你读对了!，但首先建立对经典机器学实理解是很有必要的。
首先建立对经典机器学实理解有许多充分的理由，因为深度学并建立在经典机器学本原理之上。在许多情况下，现代深度学的公理和行为与传统机器学，对这些范式转变一行讨论和探索。尽管如此，要直观地理解和应用深度学典机器学厚知识是必不可少的，像学分需要掌握基本的数学知识，即使在新的、陌生的无穷环境下，依然需要建立对代数的扎实理解一样。
此外，对于寻求将深度学于表格数据的人来说，理解经典机器学比寻求将深度学于其他类型的数据图像、文本、信号等更重要，因为许多经典机器学针对表格数据构建的，后来才适应其他类型的数据。经典机器学心算法和原理通常假设存在某些数据特征和属，这些特征和属通常只存在于表格数据中。要理解表格数据的建模，必须理解这些特征和属，以及为什么经典机器学可以对它行假设和建模，还有如何通过深度学行更好的建模。
此外，尽管人们对深度学宣传，但深度学是一个通用的解决方案，也不应该被视作通用的解决方案!在专门的数据应用中，通常可行的解决方案是基于深度学然而，对于涉及表格数据的问题，经典机器学提供更好的解决方案。因此，了解这套经典方和实现重要。在本书中，你将继续磨炼你的判断力，以确定哪种技术适用于您需要解决的问题。
本章将对经典机器学、理论和实行广泛的概述。本章分为四个部分“建模的基本原理”，通过直觉、数学、可视化和代码实验探索关键的统一概念“指标和评估”，提供常用模型评估方法的概述和实现“算法”，涵盖了各种基础和流行的经典机器学的理论和实现从头开始手写和从现有库调用模式“经典机器学考”，过渡引入新的深度学。本章假设读者已具备 和 的基本知识，但介绍了建模库 的基本用法。要深入了解以及 和 数据集的概念和实现，请参阅章建模的基本原理
在本部分，我们将探讨建模的几个基本思想、概念和原则，是在与表格数据相关的情况和背景下。即使您对这些主题很熟悉或有经验，您也可能发现对新的概念方法或框架的讨论，以巩固和推动您的理解。
什么是建模
一般来说，建模通常了数据科学领域，是指建立适当的“较小”近似值或“较大”现象的表示的过程。例如，时尚模是展示时尚品牌的关键元素和趋势。当设计师选择时尚模特穿什么衣服时，设计师不能让他们穿上时尚品牌的每一件衣服一一他们必须选择具代表、能体现品牌的精神、格和哲学的单品。在人文科学和社会科学哲学、社会学、历史学、心理学、政治学等中，一个模型或类似的“理论”作为一个统一的框架，将思想和经验观察联系起来。心理学中的爱情理论不能解释括爱情发生的所有可能原因和条件，但通过探索爱情的一般轮廓和动力，我们可以大致了解爱情并近似它。本书的是表格数据的深度学担心，你读对了!，但首先建立对经典机器学实理解是很有必要的。首先建立对经典机器学实理解有许多充分的理由，因为深度学并建立在经典机器学本原理之上。在许多情况下，现代深度学的公理和行为与传统机器学，对这些范式转变一行讨论和探索。尽管如此，要直观地理解和应用深度学典机器学厚知识是必不可少的，像学分需要掌握基本的数学知识，即使在新的、陌生的无穷环境下，依然需要建立对代数的扎实理解一样。此外，对于寻求将深度学于表格数据的人来说，理解经典机器学比寻求将深度学于其他类型的数据图像、文本、信号等更重要，因为许多经典机器学针对表格数据构建的，后来才适应其他类型的数据。经典机器学心算法和原理通常假设存在某些数据特征和属，这些特征和属通常只存在于表格数据中。要理解表格数据的建模，必须理解这些特征和属，以及为什么经典机器学可以对它行假设和建模，还有如何通过深度学行更好的建模。此外，尽管人们对深度学宣传，但深度学是一个通用的解决方案，也不应该被视作通用的解决方案!在专门的数据应用中，通常可行的解决方案是基于深度学然而，对于涉及表格数据的问题，经典机器学提供更好的解决方案。因此，了解这套经典方和实现重要。在本书中，你将继续磨炼你的判断力，以确定哪种技术适用于您需要解决的问题。本章将对经典机器学、理论和实行广泛的概述。本章分为四个部分“建模的基本原理”，通过直觉、数学、可视化和代码实验探索关键的统一概念“指标和评估”，提供常用模型评估方法的概述和实现“算法”，涵盖了各种基础和流行的经典机器学的理论和实现从头开始手写和从现有库调用模式“经典机器学考”，过渡引入新的深度学。本章假设读者已具备 和 的基本知识，但介绍了建模库 的基本用法。要深入了解以及 和 数据集的概念和实现，请参阅章建模的基本原理在本部分，我们将探讨建模的几个基本思想、概念和原则，是在与表格数据相关的情况和背景下。即使您对这些主题很熟悉或有经验，您也可能发现对新的概念方法或框架的讨论，以巩固和推动您的理解。什么是建模一般来说，建模通常了数据科学领域，是指建立适当的“较小”近似值或“较大”现象的表示的过程。例如，时尚模是展示时尚品牌的关键元素和趋势。当设计师选择时尚模特穿什么衣服时，设计师不能让他们穿上时尚品牌的每一件衣服一一他们必须选择具代表、能体现品牌的精神、格和哲学的单品。在人文科学和社会科学哲学、社会学、历史学、心理学、政治学等中，一个模型或类似的“理论”作为一个统一的框架，将思想和经验观察联系起来。心理学中的爱情理论不能解释括爱情发生的所有可能原因和条件，但通过探索爱情的一般轮廓和动力，我们可以大致了解爱情并近似它。同样，科学模型阑明了一个概念，这个概念对其来源的任何环境具有普遍影响。尽管自然界是嘈杂的，科学模型是近似的，但模型可以用来推导有用的近似预测。哥白尼的太阳系模型表明，太阳是宇宙的中心，地球和其他行星以圆形轨道围绕太阳运行。这个模型可以用于理解和预测行星的运动。
显示全部信息
商品详情
图书基本信息
图书名称现代深度学格数据中的应用常见建模问题的新方法安德烈·叶北京理工大学出版社有限责任公司作者安德烈·叶
定价出版社北京理工大学出版社有限责任公司
出版日期
版次开本