-
收藏
-
加书架
-
引用
《Python机器学习实战:基于Scikit-learn与PyTorch的神经网络解决方案》基于作者多年的积累,通过概念及其解释、Python代码示例及其解释和代码输出,特别针对零基础读者精心设计了这本机器学习进阶指南。全书包含3部分16章的内容,在介绍完编程和数据处理基础之后,探讨了监督学习(如线性回归、逻辑回归及决策树、朴素贝叶斯和支持向量机)、集成学习以及无监督学习(如降维和聚类等)。值得一提的是,书的最后讲到了神经网络和深度学习的基本思想,探讨了人工神经网络、卷积神经网络和递归神经网络。 《Python机器学习实战:基于Scikit-learn与PyTorch的神经网络解决方案》适合零基础且希望了解和掌握机器学习的读者阅读与参考。
NumPy、Pandas、Matplotlib、Scikit-learn以及Pytorch,一应俱全 涵括常见应用场景,可作为初学者入门指南以及从业者中长期参考手册 深度阐述机器学习环境搭建、数据加载、数值处理、数据分析和可视化 结合理论和实践来解释监督学习、无监督学习、回归算法以及集成学习 通过一个端到端解决方案来解释复杂的卷积神经网络架构、原理和实现 本书分为三个部分。第一部分向您介绍使用 Python 的数字运算和数据分析工具,并深入解释环境配置、数据加载、数值处理、数据分析和可视化。第二部分涵盖机器学习基础知识和 Scikit-learn 库。它还通过理论和实践课程以简单的方式解释了监督学习、无监督学习、回归算法的实现和分类以及集成学习方法。第三部分解释了复杂的神经网络架构,并详细介绍了卷积神经网络的内部工作和实现。最后一章包含 Pytorch 中神经网络的详细端到端解决方案。本书可以帮助读者实现机器学习和神经网络解决方案。 特色主题如下: 复习NumPy和Pandas中的数据结构 展示机器学习技术和算法 了解监督学习和非监督学习 重点讨论卷积神经网络和递归神经网络 全面介绍熟悉scikit-learn和 PyTorch 预测递归神经网络和长短期记忆中的序列
- 版权: 清华大学出版社
- 出版: 2023-09-01
- 更新: 2024-01-10
- 书号:9787302642978
- 中图:TP312PY;TP181
- 学科:工学控制科学与工程工学计算机科学与技术工学软件工程交叉学科智能科学与技术