- 在线时间
- 652 小时
- 最后登录
- 2026-4-15
- 注册时间
- 2023-4-14
- 听众数
- 8
- 收听数
- 0
- 能力
- 0 分
- 体力
- 10606 点
- 威望
- 0 点
- 阅读权限
- 255
- 积分
- 3969
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 1575
- 主题
- 1421
- 精华
- 0
- 分享
- 0
- 好友
- 0
TA的每日心情 | 开心 2024-6-5 18:09 |
|---|
签到天数: 160 天 [LV.7]常住居民III
- 自我介绍
- 数学中国工作人员
 |
全书从内容上分为13 章分4篇展开:第一篇:机器学习基础篇(第1~6章),讲述机器学习的基础算法,包括线性模型、决策树、贝叶斯分类、k 近邻法、数据降维、聚类和 EM算法;第二篇:机器学习高级篇(第 7~10章),讲述经典而常用的高级机器学习算法,包括支持向量机、人工神经网络、半监督学习和集成学习;第三篇:机器学习工程篇(第 11~12章 ),讲述机器学习工程中的实际技术,包括数据预处理,模型评估、选择与验证等;第四篇:Kaggke 实战篇(第 13 章),讲述一个Kaggle 竟赛题目的实战。* n& m/ \9 y! H3 B% {7 o! {, _
本书内容丰富,深人浅出,算法与代码双管齐下,无论你是新手还是有经验的读者,都能快速学到你想要的知识。本书可供为高等院校计算机、金融、信息、自动化及相关理工科专业的本科生或研究生使用,也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。) k3 U8 U+ i; A1 W, O& {0 i0 @1 C
; j" z8 J" v5 T* E4 Y7 q0 ^; h0 k( r; u, w' f; y; w
|
zan
|