數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)

定　價(jià)：￥43.80

作　者：	閉應(yīng)洲，許桂秋編
出版社：	浙江科學(xué)技術(shù)出版社
叢編項(xiàng)：	大數(shù)據(jù)專業(yè)應(yīng)用型人才培養(yǎng)規(guī)劃教材
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥43.80)

ISBN：	9787534188916	出版時(shí)間：	2020-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	167	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)/大數(shù)據(jù)專業(yè)應(yīng)用型人才培養(yǎng)規(guī)劃教材》采用理論與實(shí)踐相結(jié)合的方式，介紹數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)，力求培養(yǎng)讀者數(shù)據(jù)思維能力。《數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)/大數(shù)據(jù)專業(yè)應(yīng)用型人才培養(yǎng)規(guī)劃教材》共9章，闡述了數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的核心概念與技術(shù)，以及運(yùn)用這些技術(shù)分析實(shí)際問題的思路。書中還介紹了9個(gè)綜合性的案例，其難易程度和側(cè)重點(diǎn)與書中各章的知識(shí)點(diǎn)相匹配。第1章介紹數(shù)據(jù)挖掘的基本概念、功能與應(yīng)用領(lǐng)域，使讀者掌握數(shù)據(jù)挖掘的基本理念、流程和方法。第2章介紹Pandas模塊的語法結(jié)構(gòu)，并通過對(duì)自行車行駛數(shù)據(jù)與服務(wù)熱線數(shù)據(jù)的分析，使讀者掌握通過Pandas模塊對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析的方法。第3章介紹機(jī)器學(xué)習(xí)的框架，以及Skleam模塊的語法結(jié)構(gòu)，使讀者掌握搭建機(jī)器學(xué)習(xí)流水線的方法。第4章介紹分類算法與應(yīng)用，使讀者掌握通過Skleam模塊搭建一個(gè)分類器并實(shí)現(xiàn)分類功能的方法。第5章介紹回歸算法與應(yīng)用，使讀者掌握通過Skleam模塊搭建一個(gè)回歸模型并實(shí)現(xiàn)回歸功能的方法。第6章介紹無監(jiān)督學(xué)習(xí)，使讀者掌握通過Skleam模塊搭建一個(gè)聚類模型并實(shí)現(xiàn)聚類功能的方法。第7章介紹關(guān)聯(lián)規(guī)則和協(xié)同過濾，使讀者掌握通過這些算法實(shí)現(xiàn)電影推薦的方法。第8章介紹圖像數(shù)據(jù)分析的相關(guān)技術(shù)，使讀者掌握進(jìn)行圖像特征提取和人臉識(shí)別的方法。第9章介紹自然語言處理與NLTK的相關(guān)技術(shù)，使讀者掌握進(jìn)行文本特征提取和文本分類的方法?！稊?shù)據(jù)挖掘與機(jī)器學(xué)習(xí)/大數(shù)據(jù)專業(yè)應(yīng)用型人才培養(yǎng)規(guī)劃教材》可作為各類高校數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的課程教材，也可供對(duì)數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)感興趣的讀者學(xué)習(xí)參考。

作者簡(jiǎn)介

暫缺《數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)》作者簡(jiǎn)介

圖書目錄

第1章數(shù)據(jù)挖掘概述
1．1 數(shù)據(jù)分析技術(shù)發(fā)展簡(jiǎn)介
1．2 數(shù)據(jù)挖掘的概念
1．3 數(shù)據(jù)挖掘的功能與應(yīng)用領(lǐng)域
1．4 數(shù)據(jù)挖掘的模型
1．5 數(shù)據(jù)挖掘的數(shù)據(jù)類型
1．6 數(shù)據(jù)挖掘的交叉學(xué)科
第2章 Pandas數(shù)據(jù)分析
2．1 Pandas與數(shù)據(jù)分析
2．2 Pandas統(tǒng)計(jì)案例分析
第3章機(jī)器學(xué)習(xí)
3．1 數(shù)據(jù)挖掘中的機(jī)器學(xué)習(xí)
3．2 機(jī)器學(xué)習(xí)的模型
3．3 模型的評(píng)判和保存
3．4 支持向量機(jī)
3．5 過擬合問題
第4章分類算法與應(yīng)用
4．1 數(shù)據(jù)挖掘分類問題
4．2 概率模型
4．3 樸素貝葉斯分類
4．4 向量空間模型
4．5 KNN算法
4．6 多類問題
第5章回歸算法與應(yīng)用
5．1 回歸預(yù)測(cè)問題
5．2 線性回歸
5．3 嶺回歸和Lasso回歸
5．4 邏輯回歸
第6章無監(jiān)督學(xué)習(xí)
6．1 無監(jiān)督學(xué)習(xí)問題
6．2 劃分聚類
6．3 層次聚類
6．4 聚類效果評(píng)測(cè)
6．5 降維
第7章關(guān)聯(lián)規(guī)則和協(xié)同過濾
7．1 關(guān)聯(lián)規(guī)則
7．2 Apriori算法
7．3 協(xié)同過濾
第8章圖像數(shù)據(jù)分析
8．1 圖像數(shù)據(jù)的相關(guān)概念
8．2 圖像數(shù)據(jù)分析方法
8．3 圖像數(shù)據(jù)分析案例
第9章自然語言處理與NLTK
9．1 自然語言處理概述
9．2 MTK入門基礎(chǔ)
9．3 NITK文本分析