当前位置:首页 > 人工智能 >
《机器学习基础教程》电子书封面

机器学习基础教程

  • 发布时间:2019年10月18日 09:51:47
  • 作者:罗杰斯
  • 大小:57 MB
  • 类别:机器学习电子书
  • 格式:PDF
  • 版本:扫描中文版
  • 评分:8.2

    机器学习基础教程 PDF 扫描中文版

      给大家带来的一篇关于机器学习相关的电子书资源,介绍了关于机器学习、基础教程方面的内容,本书是由机械工业出版社出版,格式为PDF,资源大小57 MB,罗杰斯编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:9.3。

      内容介绍

      机器学习基础教程

      机器学习基础教程》详细介绍机器学习技术性及运用的关键优化算法,重中之重叙述了解流行的机器学习算法需要的关键数学课和统计分析专业知识。书中详细介绍的优化算法包含机器学习的关键难题:归类、聚类分析法和投射。因为这书是机器学习基本课程内容的教材内容,因此尽量避免了数学课难度系数,仅对一部分关键优化算法得出详尽的叙述和计算,而对绝大多数优化算法仅得出简易详细介绍,目地取决于使大学生做好基本,提高自信心和兴趣爱好,激励她们深化学习培训该行业的高級主题风格或从业有关科学研究工作中。

      这书是机器学习导论课程内容教材内容,合适作为电子计算机、自动化技术及有关技术专业低年级本科毕业或硕士研究生的教材内容,也能够科学研究工作人员和工程项目专业技术人员参照。

      目录

      • 第1章线性建模:最小二乘法
      • 第2章线性建模:最大似然方法
      • 第3章机器学习的贝叶斯方法
      • 第4章贝叶斯推理
      • 第5章分类
      • 第6章聚类分析
      • 第7章主成分分析与隐变量模型
      • ......

      学习笔记

      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) # n……

      python机器学习之神经网络实现

      神经网络在机器学习中有很大的应用,甚至涉及到方方面面。本文主要是简单介绍一下神经网络的基本理论概念和推算。同时也会介绍一下神经网络在数据分类方面的应用。 首先,当我们建立一个回归和分类模型的时候,无论是用最小二乘法(OLS)还是最大似然值(MLE)都用来使得残差达到最小。因此我们在建立模型的时候,都会有一个loss function。 而在神经网络里也不例外,也有个类似的loss function。 对回归而言: 对分类而言: 然后同样方法,对于W开始求导,求导为零就可以求出极值来。 关于式子中的W。我们在这里以三层的神经网络为例。先介绍一下神经网络的相关参数。 第一层是输入层,第二……

      python机器学习之KNN分类算法

      本文为大家分享了python机器学习之KNN分类算法,供大家参考,具体内容如下 1、KNN分类算法 KNN分类算法(K-Nearest-Neighbors Classification),又叫K近邻算法,是一个概念极其简单,而分类效果又很优秀的分类算法。 他的核心思想就是,要确定测试样本属于哪一类,就寻找所有训练样本中与该测试样本“距离”最近的前K个样本,然后看这K个样本大部分属于哪一类,那么就认为这个测试样本也属于哪一类。简单的说就是让最相似的K个样本来投票决定。 这里所说的距离,一般最常用的就是多维空间的欧式距离。这里的维度指特征维度,即样本有几个特征就属于几维。 KNN示意图如下所示。(图片来源:百度百科……

      Python机器学习之scikit-learn库中KNN算法的封装与使用方法

      本文实例讲述了Python机器学习之scikit-learn库中KNN算法的封装与使用方法。分享给大家供大家参考,具体如下: 1、工具准备,python环境,pycharm 2、在机器学习中,KNN是不需要训练过程的算法,也就是说,输入样例可以直接调用predict预测结果,训练数据集就是模型。当然这里必须将训练数据和训练标签进行拟合才能形成模型。 3、在pycharm中创建新的项目工程,并在项目下新建KNN.py文件。 import numpy as npfrom math import sqrtfrom collections import Counterclass KNNClassifier: def __init__(self,k): """初始化KNN分类器""" assert k = 1 """断言判断k的值是否合法""" self.k = k self._X_train = None self._y_train = None def fit(self,X_train,y_train): """根据训练……

      以上就是本次介绍的机器学习电子书的全部相关内容,希望我们整理的资源能够帮助到大家,感谢大家对码农之家的支持。

      上一篇:Java程序设计基础

      下一篇:数值分析

      展开 +

      收起 -

      • 《机器学习基础教程》PDF下载

      机器学习相关电子书
      python机器学习 Scikit-learn使用手册
      python机器学习 Scikit-learn使用手册 原书扫描版

      scikit-learn是在Python中进行机器学习简单且高效的工具可用于数据挖掘和数据分析,这里提供Scikit-learn 使用手册,欢迎下载

      立即下载
      Python+Spark2.0+Hadoop机器学习与大数据实战
      Python+Spark2.0+Hadoop机器学习与大数据实战 原书扫描版

      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

      立即下载
      机器学习:实用案例解析
      机器学习:实用案例解析 清晰版

      本书是机器学习和数据挖掘领域的经典图书,基础理论与实践完美的结合,讨论的案例从分类讲到回归,然后讨论了聚类、降维、最优化问题等,逻辑紧密、内容详实,适合所有相关技术人员的

      立即下载
      Python机器学习算法
      Python机器学习算法 原书扫描版

      这是一本机器学习入门读物,注重理论与实践的结合,以典型的机器学习算法为例,从算法原理出发,由浅入深,详细介绍算法的理论,并配合目前流行的Python语言,从零开始,增强实际的算法实践能力

      立即下载
      Spark机器学习
      Spark机器学习 原书第2版

      spark机器学习入门与进阶实战 Spark项目管理委员会成员作品 注重技术实践 通过大量实例演示如何创建有用的机器学习系统

      立即下载
      机器学习实战:基于Scikit-Learn和TensorFlow
      机器学习实战:基于Scikit-Learn和TensorFlow 扫描版

      本书作者曾经是谷歌工程师,在2013年至2016年主导了YouTube的视频分类工程,拥有丰富的机器学习项目经验。本书从开发者的实践角度,在动手写代码的过程中,循序渐进地了解机器学习的理论知

      立即下载
      读者留言
      weixin_44163

      weixin_44163 提供上传

      资源
      36
      粉丝
      40
      喜欢
      295
      评论
      1

      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

      版权投诉 / 书籍推广 / 赞助:QQ:520161757