新書推薦：
《
鼻科学与前颅底手术——基于案例分析
》
售價：NT$
1669.0
《
弗吉尼亚·伍尔夫传：作家的一生
》
售價：NT$
493.0
《
不胜欢喜
》
售價：NT$
296.0
《
现代欧洲史：1500—1815
》
售價：NT$
493.0
《
高颜值创意饮品：咖啡 茶饮 鸡尾酒 气泡水
》
售價：NT$
335.0
《
慢慢来，好戏都在烟火里
》
售價：NT$
279.0
《
一间自己的房间
》
售價：NT$
223.0
《
波段交易的高级技术：股票和期权交易者的资金管理、规则、策略和程序指南
》
售價：NT$
442.0
|
| 內容簡介： |
|
全书分为准备篇、基础篇、统计分析实战和机器学习实战篇。由于目前出版的机器学习大多偏重理论，这对机器学习类书籍的读者带来了极大的挑战，抽象的理论加上成堆的数学公式将大量渴求学习的人们挡在了门外。针对这种情况，本书力求理论联系实际，对理论基础进行一定的介绍，注重机器学习算法的实际运用，让读者明白其中原理，而对机器学习算法涉及的深层数学知识及其复杂的数学推导在本书中涉及较少。
|
| 目錄：
|
|
目录?Contents推荐序前言第一部分 准备篇第1章机器学习发展及应用前景 21.1机器学习概述 21.1.1什么是机器学习 31.1.2机器学习的发展 31.1.3机器学习的未来 41.2机器学习应用前景 51.2.1数据分析与挖掘 51.2.2模式识别 61.2.3更广阔的领域 61.3小结 7第2章科学计算平台 82.1科学计算软件平台概述 92.1.1常用的科学计算软件 92.1.2本书使用的工程计算平台 102.2计算平台的配置 112.2.1Numpy等Python科学计算包的安装与配置 112.2.2OpenCV 安装与配置 142.2.3mlpy 安装与配置 142.2.4BeautifulSoup安装与配置 152.2.5Neurolab安装与配置 152.2.6R安装与配置 162.3小结 16第二部分 基础篇第3章计算平台应用实例 183.1Python计算平台简介及应用实例 183.1.1Python语言基础 183.1.2Numpy库 293.1.3pylab、matplotlib绘图 363.1.4图像基础 383.1.5图像融合与图像镜像 463.1.6图像灰度化与图像加噪 483.1.7声音基础 513.1.8声音音量调节 533.1.9图像信息隐藏 583.1.10声音信息隐藏 623.2R语言基础 683.2.1基本操作 693.2.2向量 713.2.3对象集属性 773.2.4因子和有序因子 783.2.5循环语句 793.2.6条件语句 793.3R语言科学计算 803.3.1分类（组）统计 803.3.2数组与矩阵基础 813.3.3数组运算 843.3.4矩阵运算 853.4R语言计算实例 933.4.1学生数据集读写 933.4.2最小二乘法拟合 943.4.3交叉因子频率分析 963.4.4向量模长计算 973.4.5欧氏距离计算 983.5小结 99思考题 99第4章生产环境基础 1004.1Windows Server 2008基础 1004.1.1Windows Server 2008 R2概述 1014.1.2Windows PowerShell 1024.2Linux基础 1034.2.1Linux命令 1044.2.2Shell基础 1144.3Vim编辑器 1224.3.1Vim编辑器概述 1224.3.2Vim常用命令 1234.4虚拟化平台 1244.4.1Citrix Xenserver概述 1254.4.2Citrix Xenserver部署 1264.4.3基于XenCenter的虚拟服务器管理 1264.5Linux环境下的NumPy安装 1354.6Linux环境下的R运行环境 1364.7PyPy编译器 1364.7.1PyPy概述 1364.7.2PyPy安装与配置 1374.7.3PyPy性能 1374.7.4PyPy实践之LempelZiv压缩 1384.8小结 145思考题 146第三部分 统计分析实战篇第5章统计分析基础 1485.1数据分析概述 1485.2数学基础 1495.3回归分析 1545.3.1单变量线性回归 1545.3.2多元线性回归 1565.3.3非线性回归 1575.4数据分析基础 1595.4.1区间频率分布 1595.4.2数据直方图 1615.4.3数据散点图 1625.4.4五分位数 1645.4.5累积分布函数 1655.4.6核密度估计 1665.5数据分布分析 1675.6小结 169思考题 170第6章描述性分析案例 1716.1数据图形化案例解析 1716.1.1点图 1716.1.2饼图和条形图 1726.1.3茎叶图和箱线图 1736.2数据分布趋势案例解析 1756.2.1平均值 1756.2.2加权平均值 1756.2.3数据排序 1766.2.4中位数 1776.2.5极差、半极差 1776.2.6方差 1786.2.7标准差 1786.2.8变异系数、样本平方和 1786.2.9偏度系数、峰度系数 1796.3正态分布案例解析 1806.3.1正态分布函数 1806.3.2峰度系数分析 1816.3.3累积分布概率 1816.3.4概率密度函数 1826.3.5分位点 1836.3.6频率直方图 1856.3.7核概率密度与正态概率分布图 1856.3.8正态检验与分布拟合 1866.3.9其他分布及其拟合 1886.4多变量分析 1896.4.1多变量数据分析 1896.4.2多元数据相关性分析 1976.5小结 201思考题 201第7章假设检验与回归模型案例 2027.1假设检验 2027.1.1二项分布假设检验 2027.1.2数据分布检验 2047.1.3正态总体均值检验 2057.1.4列联表 2067.1.5符号检测 2077.1.6秩相关检验 2107.1.7Kendall相关检验 2137.2回归模型 2147.2.1回归预测与显著性检验 2147.2.2回归诊断 2167.2.3回归优化 2177.2.4主成分回归 2197.2.5广义线性模型 2217.3小结 226思考题 226第四部分 机器学习实战篇第8章机器学习算法 2308.1神经网络 2308.1.1Rosenblatt感知器 2328.1.2梯度下降 2458.1.3反向传播与多层感知器 2518.1.4Python神经网络库 2708.2统计算法 2728.2.1平均值 2728.2.2方差与标准差 2748.2.3贝叶斯算法 2768.3欧氏距离 2798.4余弦相似度 2808.5SVM 2818.5.1数学原理 2818.5.2SMO算法 2838.5.3算法应用 2838.6回归算法 2878.6.1线性代数基础 2888.6.2最小二乘法原理 2898.6.3线性回归 2908.6.4多元非线性回归 2928.6.5岭回归方法 2948.6.6伪逆方法 2958.7PCA降维 2968.8关联规则 2978.8.1关联规则概述 2978.8.2频繁项集算法 2988.8.3关联规则生成 3018.8.4实例分析 3028.9自动分类 3068.9.1聚类算法 3068.9.2决策树 3138.9.3AdaBoost 3168.9.4竞争型神经网络 3178.9.5Hamming神经网络 3238.10小结 325思考题 325第9章数据拟合案例 3279.1数据拟合 3279.1.1图像分析法 3279.1.2神经网络拟合法 3389.2线性滤波 3529.2.1WAV声音文件 3529.2.2线性滤波算法过程 3529.2.3滤波Python实现 3539.3数据或曲线平滑 3589.3.1平滑概述 3589.3.2移动平均 3599.3.3递归线性过滤 3629.3.4指数平滑 3649.4小结 368思考题 368第10章图像算法案例 37010.1图像边缘算法 370 10.1.1数字图像基础 370 10.1.2算法描述 37110.2图像匹配 372 10.2.1差分矩阵求和 373 10.2.2差分矩阵均值 375 10.2.3欧氏距离匹配 37610.3图像分类 382 10.3.1余弦相似度 382 10.3.2PCA图像特征提取算法 388 10.3.3基于神经网络的图像分类 389 10.3.4基于SVM的图像分类 39410.4高斯噪声生成 39710.5二值化 401 10.5.1threshold 401 10.5.2adaptiveThreshold 40210.6插值与缩放 40410.7仿射 405 10.7.1仿射原理 405 10.7.2仿射变换实例 40510.8透视投影与透视变换 406 10.8.1透视投影原理 406 10.8.2透视投影实例 40710.9灰度变换与图像增强 409 10.9.1灰度变换概述 409 10.9.2对数变换 409 10.9.3分段线性变换 410 10.9.4指数变换 411 10.9.5直方图均衡化 41210.10 图像滤波与除噪 415 10.10.1 均一化块滤波 415 10.10.2 邻域平均法 420 10.10.3 中值滤波 423 10.10.4 高斯滤波 427 10.10.5 双边滤波 429 10.10.6 卷积滤波 431 10.10.7 边缘检测 43310.11 小结 435思考题 435第11章机器视觉案例 43711.1人脸辨识 437 11.1.1人脸定位 437 11.1.2人脸辨识 43911.2手写数字识别 446 11.2.1手写数字识别算法 446 11.2.2算法的Python实现 44711.3运动侦测 449 11.3.1视频采集 450 11.3.2差分算法 452 11.3.3光流法 45611.4形状检测 458 11.4.1KNN算法概述 458 11.4.2形状特征提取 459 11.4.3形状分类 45911.5小结 462思考题 462第12章文本分类案例 46312.1文本分类概述 46312.2余弦相似度分类 464 12.2.1中文分词 465 12.2.2停用词清理 467 12.2.3算法实战 46812.3朴素贝叶斯分类 473 12.3.1算法描述 473 12.3.2先验概率计算 474 12.3.3最大后验概率 474 12.3.4算法实现 47412.4自然语言处理 480 12.4.1NLTK简介 480 12.4.2NLTK与jieba的配置 481 12.4.3中文分词并标注词性 483 12.4.4词特征指标分析 484 12.4.5Web文档分析 499 12.4.6Web文档的朴素贝叶斯分类 503 12.4.7语法结构分析 515 12.4.8Web文档聚类 51812.5小结 526思考题 526
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
