书籍目录
首页
分类
免费
排行
我的书架
1-50章
51-100章
101-123章
共123章
免费
版权信息
免费
内容简介
免费
推荐序一
免费
推荐序二
免费
前言
免费
第1章 机器学习概述
免费
1.1 什么是机器学习
免费
1.2 机器学习的流程
免费
1.2.1 数据收集
免费
1.2.2 数据预处理
免费
1.2.3 特征工程
免费
1.2.4 模型构建和训练
免费
1.3 机器学习该如何学
免费
1.3.1 AI时代首选Python
免费
1.3.2 PyCharm可视化编辑器和Anaconda大礼包
免费
1.3.3 掌握算法原理与掌握机器学习软件库同等重要
免费
1.3.4 机器学习与深度学习的区别
免费
1.4 机器学习分类
免费
1.4.1 监督学习
免费
1.4.2 无监督学习
免费
1.4.3 强化学习
免费
1.5 过拟合和欠拟合
免费
1.5.1 过拟合
免费
1.5.2 欠拟合
免费
1.6 衡量机器学习模型的指标
免费
1.6.1 正确率、精确率和召回率
免费
1.6.2 F1 score和ROC曲线
免费
第2章 机器学习中的数据预处理
免费
2.1 数据预处理的重要性和原则
免费
2.2 数据预处理方法介绍
免费
2.2.1 数据预处理案例——标准化、归一化、二值化
免费
2.2.2 数据预处理案例——缺失值补全、标签化
免费
2.2.3 数据预处理案例——独热编码
免费
2.2.4 通过数据预处理提高模型准确率
2.3 数据降维
2.3.1 什么叫数据降维
2.3.2 PCA主成分分析原理
2.3.3 PCA主成分分析实战案例
第3章 k最近邻算法
3.1 k最近邻算法的原理
3.2 k最近邻算法过程详解
3.3 kNN算法的注意事项
3.3.1 k近邻的k值该如何选取
3.3.2 距离的度量
3.3.3 特征归一化的必要性
3.4 k最近邻算法案例分享
3.4.1 电影分类kNN算法实战
3.4.2 使用scikit-learn机器学习库内置的kNN算法实现水果识别器
3.5 kNN算法优缺点
第4章 回归算法
×