标签分类
当前位置:首页 > 程序设计 > Python电子书下载
Python机器学习

Python机器学习 Python电子书

发布日期:

出版社:机械工业出版社

作者:塞巴斯蒂安·拉施

给大家带来的一篇关于Python相关的电子书资源,介绍了关于Python、机器学习、基础教程方面的内容,本书是由机械工业出版社出版,资源大小22MB,塞巴斯蒂安·拉施编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:7.5分,正版资源提供epub、mobi、azw3、PDF格式的内容下载。

Python机器学习(pdf、epub、mobi、azw3)下载

下载地址:https://pan.baidu.com/s/11bYh71VQWfk-Dp5F5oS1f

分享码:aeui

Python机器学习

机器学习与预测分析早已变更企业和其他组织的运作方式 ,Python机器学习(原书第2版)名将着客户进入预测分析的全世界。本书共18章,除了简单详解机器学习及Python在机器学习中的应用,还操作系统描述了数据标准化、数据预处理、实体模型提高、柔性生产培训学习、重回、聚类分析法、神经元网络、神经网络算法等内容。

这书将机器学习背后的基本基础知识与应用社会实践活动联系出來,依据这种方式 让客户焦点于如何适当地探讨问题、排忧解难。这书讲解了如何使用Python的重要元素以及强悍的机器学习库,一块儿还呈现了如何适当运用一个一个数据分析实体模型。

这书可做为培训学习电子信息科学的初学者及想推进拓展电子信息科学制造行业掌握的客户的教材内容。相同,这书也适合计算机硬件等相关专业的大学毕业、研究生文章阅读。

目录

  • 第1章 赋予计算机从数据中学习的能力
  • 第2章 训练简单的机器学习分类算法
  • 第3章 scikit-learn机器学习分类器一览
  • 第4章 构建良好的训练集——预处理
  • 第5章 通过降维压缩数据
  • 第6章 模型评估和超参数调优的最佳实践
  • 第7章 综合不同模型的组合学习
  • 第8章 应用机器学习于情感分析
  • 第9章 将机器学习模型嵌入网络应用
  • 第10章 用回归分析预测连续目标变量
  • 第11章 用聚类分析处理无标签数据
  • 第12章 从零开始实现多层人工神经网络
  • 第13章 用TensorFlow并行训练神经网络
  • 第14章 深入探讨TensorFlow的工作原理
  • 第15章 深度卷积神经网络图像识别
  • 第16章 用递归神经网络为序列数据建模

推荐内容

java编程题整理(50道题型及答案)DOC完整版

《java,android面试宝典》PDF超清版

Java EE软件工程师就业求职手册 PDF完整版

传智播客android(安卓)面试题整理

Java基础面试题(含答案详解)

展开 +

收起 -

相关内容
深入浅出Python机器学习

人工智能,火了!计算机是由程序驱动的,人工智能不过是一些特殊的算法。只要你有一些程序设计语言的基础,跟随本书,你也能进入人工智能的世界,成为一名人工智能应用的开发者。

查看详情
机器学习系统设计:Python语言实现

本书是一本设计高效机器学习系统的详实指南,介绍机器学习系统设计的整个过程,相关的Python库,并在各个知识环节中都给出了Python示例,欢迎下载

查看详情
Python机器学习经典实例

《Python机器学习经典实例》首先通过实用的案例介绍机器学习的基础知识,然后介绍一些稍微复杂的机器学习算法,例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网

查看详情
Python+Spark2.0+Hadoop机器学习与大数据实战

本书从浅显易懂的“大数据和机器学习”原理说明入手,讲述大数据和机器学习的基本概念,浅显易懂的原理介绍加上Step by Step 实机操作、范例程序详细解说,实现降低机器学习与大数据技术

查看详情
零起点Python机器学习快速入门

这本书采用独创的黑箱模式,MBA案例教学机制,结合一线实战案例,介绍Sklearn人工智能模块库和常用的机器学习算法,读完本书内容和配套的教学代码,就能够编写简单的机器学习函数

查看详情
机器学习:使用OpenCV和Python进行智能图像处理

OpenCV是1个综合性了經典和优秀计算机视觉、机器学习算法的开源系统库。根据与PythonAnaconda版本号融合,我也能够 获得你所必须的全部开源系统测算库。 这书最先详细介绍归类和重归等统计分

查看详情
Python机器学习

Python机器学习中文版(Sebastian Raschka著),一共13章,含机器学习算法、模型评估、集成学习、web应用、神经网络等,想要学习机器语言的可以下载学习

查看详情
笔记精选
网友NO.506314

python机器学习实战之最近邻kNN分类器

K近邻法是有监督学习方法,原理很简单,假设我们有一堆分好类的样本数据,分好类表示每个样本都一个对应的已知类标签,当来一个测试样本要我们判断它的类别是,就分别计算到每个样本的距离,然后选取离测试样本最近的前K个样本的标签累计投票,得票数最多的那个标签就为测试样本的标签。 源代码详解: #-*- coding:utf-8 -*- #!/usr/bin/python # 测试代码 约会数据分类 import KNN KNN.datingClassTest1() 标签为字符串 KNN.datingClassTest2() 标签为整形 # 测试代码 手写字体分类 import KNN KNN.handwritingClassTest() from numpy import * # 科学计算包 import operator # 运算符模块 from os import listdir # 获得指定目录中的内容(手写字体文件夹下样本txt) 类型命令行 ls import matplotlib # 画图可视化操作 import matplotlib.pyplot as plot # 显示一个 二维图 def myPlot(x, y, labels): fig = plot.figure()#创建一个窗……

网友NO.568873

python实现机器学习多元线性回归总结

总体思路与一元线性回归思想一样,现在将数据以矩阵形式进行运算,更加方便。 一元线性回归实现代码 下面是多元线性回归用Python实现的代码: import numpy as npdef linearRegression(data_X,data_Y,learningRate,loopNum): W = np.zeros(shape=[1, data_X.shape[1]]) # W的shape取决于特征个数,而x的行是样本个数,x的列是特征值个数 # 所需要的W的形式为 行=特征个数,列=1 这样的矩阵。但也可以用1行,再进行转置:W.T # X.shape[0]取X的行数,X.shape[1]取X的列数 b = 0 #梯度下降 for i in range(loopNum): W_derivative = np.zeros(shape=[1, data_X.shape[1]]) b_derivative, cost = 0, 0 WXPlusb = np.dot(data_X, W.T) + b # W.T:W的转置 W_derivative += np.dot((WXPlusb - data_Y).T, data_X) # np.dot:矩阵乘法 b_derivative += np.dot(np.ones(shape=[1, data_X.shape[0]]), WXPlusb - data_Y) cost += (WXPlusb - data_Y)*(WXPlusb - data_Y) W_derivative = W_derivative / data_X.shape[0] # data_X.sh……

网友NO.439445

python机器学习实战之树回归详解

本文实例为大家分享了树回归的具体代码,供大家参考,具体内容如下 #-*- coding:utf-8 -*- #!/usr/bin/python ''''' 回归树 连续值回归预测 的 回归树 ''' # 测试代码 # import regTrees as RT RT.RtTreeTest() RT.RtTreeTest('ex0.txt') RT.RtTreeTest('ex2.txt') # import regTrees as RT RT.RtTreeTest('ex2.txt',ops=(10000,4)) # import regTrees as RT RT.pruneTest() # 模型树 测试 # import regTrees as RT RT.modeTreeTest(ops=(1,10) # 模型回归树和普通回归树 效果比较 计算相关系数 # import regTrees as RT RT.MRTvsSRT() from numpy import * # Tab 键值分隔的数据 提取成 列表数据集 成浮点型数据 def loadDataSet(fileName): # dataMat = [] # 目标数据集 列表 fr = open(fileName) for line in fr.readlines(): curLine = line.strip().split('\t') fltLine = map(float,curLine) #转换成浮点型数据 dataMat.append(fltLine) return dataMat # 按特征值 的数据集二元切分 特征(列) 对应的值 # 某一列的值大于va……

网友NO.775237

Python 机器学习库 NumPy入门教程

NumPy是一个Python语言的软件包,它非常适合于科学计算。在我们使用Python语言进行机器学习编程的时候,这是一个非常常用的基础库。 本文是对它的一个入门教程。 介绍 NumPy是一个用于科技计算的基础软件包,它是Python语言实现的。它包含了: 强大的N维数组结构 精密复杂的函数 可集成到C/C++和Fortran代码的工具 线性代数,傅里叶变换以及随机数能力 除了科学计算的用途以外,NumPy也可被用作高效的通用数据的多维容器。由于它适用于任意类型的数据,这使得NumPy可以无缝和高效的集成到多种类型的数据库中。 获取NumPy 由于这是一个Python语言的软件包,因此需要你的机器上首先需要具备Python语言的环境。关于这一点,请自行在网络上搜索获取方法。 关于如何获取NumPy也请参阅scipy.org官网上的Installing packages。本文不再赘述。 笔者推荐使用pip的方式安装……

丹奈

丹奈 提供

资源
15
粉丝
37
喜欢
522
评论
9

    电子书 编程教程 文档 软件 源码 视频

    Copyright 2018-2020 xz577.com 码农之家

    本站所有电子书资源不再提供下载地址,只分享来路

    免责声明:网站所有作品均由会员网上搜集共同更新,仅供读者预览及学习交流使用,下载后请24小时内删除

    版权投诉 / 书籍推广 / 赞助:QQ:520161757