圖書總覽

字級:
小字級
中字級
大字級

打下最紮實的AI基礎 : 從scikit-learn一步一腳印(絕賣版)

作者:黃永昌 編著
出版日期:2020/02/06
語言:繁體中文
書號:O1L2001
ISBN:9789863797982
裝訂:平裝
定價:560 元

相關檔案: O1L2001_教學範例檔

商品特色

通俗易懂/圖示引導/豐富實例

高效入門機器學習最佳速成

內容簡介

30秒極速瞭解本書精華內容

理論基礎

機器學習的應用場景、機器學習應用程式開發的典型步驟

Python機器學習開發套件:numpy、pandas和matplotlib演算法模型性能評估的指標和評估方法

八大常用機器學習演算法

k-近鄰演算法、線性回歸演算法、邏輯回歸演算法、決策樹

支持向量機、單純貝氏演算法、PCA演算法、k-平均值演算法

七大實戰演練案例

糖尿病檢測、預測房價、乳腺癌檢測、鐵達尼號倖存者預測

文件類別預測、人臉識別、文件自動分類

本書適用讀者

想從事機器學習、人工智慧、深度學習及機器人相關技術的程式師和愛好者閱讀,相關院校和培訓機構也可以作為教材使用

作者簡介

黃永昌

畢業於廈門大學自動化系。畢業後從事手機系統軟體的研發,2009年轉向Android系統軟體發展,熟悉C、Python、Java和JavaScript多種開發語言。2014年開始研究機器學習及資料採擷領域的相關知識。2015年加入ABB集團,從事智慧家居系統的開發,透過分析伺服器及用戶端日誌資料,為智慧家居系統開發智慧決策模型。

目錄

Chapter 01 機器學習介紹

1.1 什麼是機器學習

1.2 機器學習有什麼用

1.3 機器學習的分類

1.4 機器學習應用程式開發的典型步驟

1.5 複習題

Chapter 02 Python機器學習軟體套件

2.1 開發環境架設

2.2 IPython簡介

2.3 Numpy簡介

2.4 Pandas簡介

2.5 Matplotlib簡介

2.6 scikit-learn簡介

2.7 複習題

2.8 擴充學習資源

Chapter 03 機器學習理論基礎

3.1 過擬合和欠擬合

3.2 成本函數

3.3 模型準確性

3.4 學習曲線

3.5 演算法模型效能最佳化

3.6 查準率和召回率

3.7 F1 Score

3.8 複習題

Chapter 04 k-近鄰演算法

4.1 演算法原理

4.2 範例:使用k-近鄰演算法進行分類

4.3 範例:使用k-近鄰演算法進行回歸擬合

4.4 實例:糖尿病預測

4.5 擴充閱讀

4.6 複習題

Chapter 05 線性回歸演算法

5.1 演算法原理

5.2 多變數線性回歸演算法

5.3 模型最佳化

5.4 範例:使用線性回歸演算法擬合正弦函數

5.5 範例:測算房價

5.6 擴充閱讀

5.7 複習題

Chapter 06 邏輯回歸演算法

6.1 演算法原理

6.2 多元分類

6.3 正規化

6.4 演算法參數

6.5 實例:乳腺癌檢測

6.6 擴充閱讀

6.7 複習題

Chapter 07 決策樹

7.1 演算法原理

7.2 演算法參數

7.3 實例:預測鐵達尼號倖存者

7.4 擴充閱讀

7.5 集合演算法

7.6 複習題

Chapter 08 支援向量機

8.1 演算法原理

8.2 核心函數

8.3 scikit-learn裡的SVM

8.4 實例:乳腺癌檢測

8.5 複習題

Chapter 09 單純貝氏演算法

9.1 演算法原理

9.2 一個簡單的實例

9.3 機率分佈

9.4 連續值的處理

9.5 實例:文件分類

9.6 複習題

Chapter 10 PCA演算法

10.1 演算法原理

10.2 PCA演算法範例

10.3 PCA的資料還原率及應用

10.4 實例:人臉識別

10.5 擴充閱讀

10.6 複習題

Chapter 11 k-平均值演算法

11.1 演算法原理

11.2 scikit-learn裡的k-平均值演算法

11.3 使用k-平均值對文件進行分群分析

11.4 分群演算法效能評估

11.5 複習題

Appendix A 後記

A.1 回顧與展望

TOP