登录
松江区域数字图书馆
首页
图书资源
视听资源
本馆讯息
读书活动
校本资源
我的图书馆
全部图书资源
>
T 工业技术
Python机器学习算法
暂无评分
作者:赵志勇著
出版社:电子工业出版社
出版日期:2017年06月
ISBN:978-7-121-31319-6
中图分类:TP181;TP311.561 ( 工业技术 )
标签:
评分:
借阅次数:8
收藏人数:0
推荐次数:1
推荐
收藏
目录
封面
书名页
版权页
推荐序
前言
目录页
0 绪论
0.1 机器学习基础
0.1.1 机器学习的概念
0.1.2 机器学习算法的分类
0.2 监督学习
0.2.1 监督学习
0.2.2 监督学习的流程
0.2.3 监督学习算法
0.3 无监督学习
0.3.1 无监督学习
0.3.2 无监督学习的流程
0.3.3 无监督学习算法
0.4 推荐系统和深度学习
0.4.1 推荐系统
0.4.2 深度学习
0.5 Python和机器学习算法实践
参考文献
第一部分 分类算法
1 Logistic Regression
1.1 Logistic Regression模型
1.2 梯度下降法
1.3 梯度下降法的若干问题
1.4 Logistic Regression算法实践
参考文献
2 Softmax Regression
2.1 多分类问题
2.2 Softmax Regression算法模型
2.3 Softmax Regression算法的求解
2.4 Softmax Regression与Logistic Regression的关系
2.5 Softmax Regression算法实践
参考文献
3 Factorization Machine
3.1 Logistic Regression算法的不足
3.2 因子分解机FM的模型
3.3 FM算法中交叉项的处理
3.4 FM算法的求解
3.5 因子分解机FM算法实践
参考文献
4 支持向量机
4.1 二分类问题
4.2 函数间隔和几何间隔
4.3 支持向量机
4.4 支持向量机的训练
4.5 支持向量机SVM算法实践
参考文献
5 随机森林
5.1 决策树分类器
5.2 CART分类树算法
5.3 集成学习(Ensemble Learning)
5.4 随机森林(Random Forests)
5.5 随机森林RF算法实践
参考文献
6 BP神经网络
6.1 神经元概述
6.2 神经网络模型
6.3 神经网络中参数的求解
6.4 BP神经网络中参数的设置
6.5 BP神经网络算法实践
参考文献
第二部分 回归算法
7 线性回归
7.1 基本线性回归
7.2 线性回归的最小二乘解法
7.3 牛顿法
7.4 利用线性回归进行预测
7.5 局部加权线性回归
参考文献
8 岭回归和Lasso回归
8.1 线性回归存在的问题
8.2 岭回归模型
8.3 Lasso回归模型
8.4 拟牛顿法
8.5 L-BFGS求解岭回归模型
8.6 岭回归对数据的预测
参考文献
9 CART树回归
9.1 复杂的回归问题
9.2 CART回归树生成
9.3 CART回归树剪枝
9.4 CART回归树对数据预测
参考文献
第三部分 聚类算法
10 K-Means
10.1 相似性的度量
10.2 K-Means算法原理
10.3 K-Means算法实践
10.4 K-Means++算法
参考文献
11 Mean Shift
11.1 Mean Shift向量
11.2 核函数
11.3 Mean Shift算法原理
11.4 Mean Shift算法的解释
11.5 Mean Shift算法实践
参考文献
12 DBSCAN
12.1 基于密度的聚类
12.2 DBSCAN算法原理
12.3 DBSCAN算法实践
参考文献
13 Label Propagation
13.1 社区划分
13.2 Label Propagation算法原理
13.3 Label Propagation算法过程
13.4 Label Propagation算法实践
参考文献
第四部分 推荐算法
14 协同过滤算法
14.1 推荐系统的概述
14.2 基于协同过滤的推荐
14.3 相似度的度量方法
14.4 基于协同过滤的推荐算法
14.5 利用协同过滤算法进行推荐
参考文献
15 基于矩阵分解的推荐算法
15.1 矩阵分解
15.2 基于矩阵分解的推荐算法
15.3 利用矩阵分解进行推荐
15.4 非负矩阵分解
15.5 利用非负矩阵分解进行推荐
参考文献
16 基于图的推荐算法
16.1 二部图与推荐算法
16.2 PageRank算法
16.3 PersonalRank算法
16.4 利用PersonalRank算法进行推荐
参考文献
第五部分 深度学习
17 AutoEncoder
17.1 多层神经网络
17.2 AutoEncoder模型
17.3 降噪自编码器Denoising AutoEncoder
17.4 利用Denoising AutoEncoders构建深度网络
17.5 利用TensorFlow实现Stacked Denoising AutoEncoders
参考文献
18 卷积神经网络
18.1 传统神经网络模型存在的问题
18.2 卷积神经网络
18.3 卷积神经网络的求解
18.4 利用TensorFlow实现CNN
参考文献
第六部分 项目实践
19 微博精准推荐
19.1 精准推荐
19.2 基于用户行为的挖掘
19.3 基于相似用户的挖掘
19.4 点击率预估
19.5 各种数据技术的效果
参考文献
附录A
附录B
..更多
全部评论
评论
推荐图书
喵星人养成计划——每日一张线描画
小2花编著
电子工业出版社
严肃的创造力——水平思考的工具与技巧
(英)爱德华·德博诺(Edward de Bono)著
化学工业出版社
中国通史
吕思勉著
华中科技大学出版社
稼轩词
(宋)辛弃疾
岳麓书社
Kali Linux无线渗透测试指南
(英)卡梅伦·布坎南(Cameron Buchanan),(印)维韦克·拉玛钱德朗(Vivek Ramachandran)著
人民邮电出版社
世界上最悬疑的案件
王平,章学珍编写
浙江少年儿童出版社
遇点挫折算什么
崔钟雷主编
黑龙江美术出版社
英语时文晨读100篇(高三年级+高考专项)
Sarah Lin总主编
华东理工大学出版社
©上海中文在线文化发展有限公司
服务条款
|
关于我们
|
APP下载
|
管理登录
返回顶部
用户指南
下载APP
关注我们