Machine Learning Algorithms
| 作者 | Giuseppe Bonaccorso |
|---|---|
| 出版社 | 聯合發行股份有限公司 |
| 商品描述 | 初探機器學習演算法：熱門資料科學與機器學習演算法學習指南本書介紹並說明資料科學領域常見且重要的機器學習演算法，這些演算法可用於監督式與非監督學習、強化學習與半監 |
內容簡介
內容簡介 熱門資料科學與機器學習演算法學習指南本書介紹並說明資料科學領域常見且重要的機器學習演算法，這些演算法可用於監督式與非監督學習、強化學習與半監督式學習。書中所討論的演算法包括線性迴歸、logistic迴歸、SVM、樸素貝氏、k-means、隨機森林、TensorFlow與特徵工程。你將會學到如何使用這些演算法來解決問題，以及它們的工作原理。同時也會介紹自然語言處理與推薦系統，以協助同時執行多種演算法。最後將會知道如何挑選正確的機器學習演算法，來為你的問題進行分群、分類或迴歸。你將學會：• 熟悉機器學習的重要元素• 瞭解特徵選擇與特徵工程流程• 平衡線性迴歸的效能與誤差• 建立資料模型，與使用各種類型的演算法來瞭解它的工作方式• 微調SVM的參數• 實作資料集的群聚• 探索自然語言處理與推薦系統的概念• 從零開始建立機器學習架構
作者介紹
作者介紹 ■作者簡介Giuseppe Bonaccorso是具備12年經驗的機器學習與大數據顧問，擁有義大利University of Catania電機工程學碩士，與義大利University of Rome，Tor Vergata和英國University of Essex的畢業後研究經驗。曾在各種商業領域擔任IT工作，包括公共行政、軍事、公用事業、保健、診斷與廣告，也曾經使用許多技術來開發與管理各種專案，包括Java、Python、Hadoop、Spark、Theano與TensorFlow。他的主要興趣是人工智慧、機器學習、資料科學與心靈哲學。■譯者簡介賴屹民
產品目錄
產品目錄 第 1 章 機器學習簡介第 2 章 機器學習的重要元素第 3 章 特徵選擇與特徵工程第 4 章 線性迴歸第 5 章 Logistic 迴歸第 6 章 樸素貝氏第 7 章 支援向量機第 8 章 決策樹與整體學習第 9 章 分群基礎第 10 章 階層式分群第 11 章 推薦系統簡介第 12 章 自然語言處理簡介第 13 章 NLP 的主題建模與情緒分析第 14 章 深度學習與 TensorFlow 簡介第 15 章 建立機器學習架構
商品規格
| 書名 / | 初探機器學習演算法 |
|---|---|
| 作者 / | Giuseppe Bonaccorso |
| 簡介 / | 初探機器學習演算法：熱門資料科學與機器學習演算法學習指南本書介紹並說明資料科學領域常見且重要的機器學習演算法，這些演算法可用於監督式與非監督學習、強化學習與半監 |
| 出版社 / | 聯合發行股份有限公司 |
| ISBN13 / | 9789864766741 |
| ISBN10 / | 9864766740 |
| EAN / | 9789864766741 |
| 誠品26碼 / | 2681530056002 |
| 頁數 / | 336 |
| 注音版 / | 否 |
| 裝訂 / | P:平裝 |
| 語言 / | 1:中文 繁體 |
| 尺寸 / | 23X17CM |
| 級別 / | N:無 |