书籍目录
首页
分类
免费
排行
我的书架
1-50章
51-73章
共73章
免费
版权信息
免费
内容简介
免费
前言
免费
第1章 在数据上的计算机学习能力
免费
1.1 转换机器学习
免费
1.2 三种不同类型的机器学习
免费
1.3 评估机器学习模型
免费
1.4 数据预处理、特征工程和特征学习
免费
1.5 过拟合和欠拟合
免费
1.6 机器学习工作流程
免费
1.7 应用Python解决机器学习问题
免费
1.8 用于机器学习的软件包
免费
第2章 简单的机器学习分类算法
免费
2.1 机器学习的早期历史 ——人工神经网络
免费
2.2 感知机分类鸢尾
免费
2.3 自适应神经学习
免费
2.4 大规模机器学习与随机梯度下降
免费
第3章 sklearn机器学习分类器
免费
3.1 分类器的选择
免费
3.2 训练感知器
免费
3.3 基于逻辑回归的分类概率建模
免费
3.4 支持向量机最大化分类间隔
免费
3.5 核SVM解决非线性分类问题
3.6 决策树
3.7 K近邻算法
3.8 贝叶斯算法
第4章 数据预处理
4.1 数据清洗
4.2 对某一列编码
4.3 划分训练集与测试集
4.4 数据特征缩放
4.5 特征选择
第5章 降维实现数据压缩
5.1 数据降维
5.2 主成分降维
5.3 线性判别分析监督数据压缩
5.4 非线性映射核主成分降维
第6章 不同模型的集成学习
6.1 集成学习
6.2 多投票机制组合分类器
6.3 Bagging算法
6.4 Boosting模型
6.5 Stacking模型
第7章 连续变量的回归分析
7.1 线性回归
7.2 最小二乘线性回归
7.3 使用RANSAC算法拟合健壮回归模型
7.4 线性回归模型性能的评估
7.5 利用正则化方法进行回归
7.6 将线性回归模型转换为多项式回归
×