正版
机器学习:Python+sklearn+TensorFlow2.0
- 书名
- 机器学习:Python+sklearn+TensorFlow2.0
- 作者
- 王衡军 著
- 出版社
- 清华大学出版社
- 出版时间
- 2026-07-01
- ISBN
- 9787302720072
- 货号
- 1204614299
- 品相
- 全新
- 分类
- 当代·工业
- 书名
- 机器学习:Python+sklearn+TensorFlow2.0
- 作者
- 王衡军 著
- 出版社
- 清华大学出版社
- 出版时间
- 2026-07-01
- ISBN
- 9787302720072
- 货号
- 1204614299
- 品相
- 全新
- 分类
- 当代·工业
目录▼
第1章 绪论
1.1 机器学习是什么
1.2 机器学习算法
1.2.1 机器学习算法的分类
1.2.2 机器学习算法的术语
1.3 本书的学习之路
1.4 编程环境及工具包
第2章 聚类
2.1 k均值聚类算法及应用示例
2.1.1 算法及实现
2.1.2 在手机机主身份识别中的应用示例
2.1.3 进一步讨论
2.1.4 改进算法
2.2 聚类算法基础
2.2.1 聚类任务
2.2.2 样本点常用距离度量
2.2.3 聚类算法评价指标
2.2.4 聚类算法分类
2.3 DBSCAN及其派生算法
2.3.1 相关概念及算法流程
2.3.2 邻域参数ε和MinPts的确定
2.3.3 OPTICS算法
……
文摘▼
本书讨论了机器学习的基本问题和基本算法。本书理论推导与证明详细、深入,结构清晰,详细地讲述主要算法的原理与细节,让读者不仅知其然,还知其所以然,真正理解算法、学会使用算法。从方便学习的目的出发,本书主要以聚类任务、回归任务、分类任务、特征工程、降维与超参数调优、概率模型与标注任务、神经网络模型、深度学习模型、生成对抗网络、对抗样本、强化学习、大语言模型等主题对相关内容进行组织。
本书在讨论具体算法时,采用以示例入手、逐步推进的方式,并尽量给出详尽的推导。本书没有采用伪代码的方式来介绍算法流程,而是用文字说明加(或)示例程序的方式。本书的示例代码基于Python 3程序设计语言实现,并按需使用了Scikit-Learn(sklearn)机器学习和TensorFlow 2.0深度学习等模块。本书不要求读者具有深厚的数学基础,但应理解导数、矩阵、概率等基本概念。读者还应具备基本的编程能力,能够探索运行本书的配套示例程序。
对于计算机、人工智能及相关专业的本科生和研究生,这是一本适合入门与系统学习的教材;对于从事人工智能和机器学习产品研发的工程技术人员,本书也具有很强的参考价值。





