中图网文创礼盒,买2个减5元
欢迎光临中图网 请 | 注册
> >
机器学习实战——基于PYTHON SKLEARN的解析

机器学习实战——基于PYTHON SKLEARN的解析

出版社:中国铁道出版社出版时间:2022-06-01
开本: 16开 页数: 228
中 图 价:¥64.7(7.2折) 定价  ¥89.8 登录后可看到会员价
加入购物车 收藏
运费6元,满69元免运费
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

机器学习实战——基于PYTHON SKLEARN的解析 版权信息

  • ISBN:9787113291693
  • 条形码:9787113291693 ; 978-7-113-29169-3
  • 装帧:平装-胶订
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

机器学习实战——基于PYTHON SKLEARN的解析 本书特色

系统:以“轻原理、重实践”为原则,详细解析机器学习库SKlearn 通俗:从参数调用的角度,适合零基础读者快速入门并掌握SKlearn 深入:由浅及深熟悉数据探索、预处理、模型选择、集成学习、模型评估流程 案例:用五个工程案例系统化讲解SKlearn库分类、回归、聚类,让你码上就用

机器学习实战——基于PYTHON SKLEARN的解析 内容简介

本书前6章介绍基础准备、数据探索、数据预处理、机器学习模型(分类、回归、聚类)、集成学习、模型评估及持久化;第7章介绍机器学习在土木工程中的应用场景,并以五个工程案例系统化讲解SKlearn库的应用。
  本书“轻原理、重实践”,适合广大对机器学习有兴趣,并且想系统学习数理统计的读者;也可用作机器学习培训、高校教材或作为学习SKlearn库的工具书。

机器学习实战——基于PYTHON SKLEARN的解析 目录

第1章 基础准备 1.1 机器学习 1.1.1 机器学习概述 1.1.2 机器学习任务 1.1.3 机器学习经验 1.1.4 机器学习性能 1.2 Python编程 1.2.1 Python 1.2.2 NumPy和SciPy 1.2.3 Matplotlib 1.2.4 Pandas 1.2.5 SKlearm 1.2.6 Yellowbrick 1.3 Python 环境配置 1.3.1 安装Anaconda 1.3.2 运行Jupyter Notebook 第2章 数据探索 2.1 数据读取和保存 2.1.1 TXT数据 2.1.2 CSV数据 2.1.3 XLS数据 2.1.4 SOL数据 2.1.5 NOSOL数据 2.2 数据特征分析 2.2.1 描述性统计 2.2.2 分布分析 2.2.3 对比分析 2.2.4 相关性分析 第3章 数据预处理 3.1 数据清洗 3.1.1 缺失值处理 3.1.2 异常值处理 3.1.3 数据一致性处理 3.2 数据变换 3.2.1 二元化 3.2.2 独热码 3.2.3 标准化 3.2.4 正则化 3.2.5 数据变换应用 3.3 数据降维 3.3.1 主成分分析 3.3.2 线性判别分析 3.3.3 多维缩放降维 3.3.4 流形学习 3.4 特征选取 3.4.1 过滤式特征选取 3.4.2 包裹式特征选取 3.4.3 嵌入式特征选取 3.5 数据降维与特征选取的差别 第4章 机器学习模型 4.1 线性模型 4.1.1 线性回归模型 4.1.2 逻辑回归模型 4.2 决策树 4.2.1 回归决策树 4.2.2 分类决策树 4.3 贝叶斯分类器 4.3.1 高斯贝叶斯分类器 4.3.2 多项式贝叶斯分类器 4.3.3 伯努利贝叶斯分类器 4.4 KNN 4.4.1 KNN分类 4.4.2 KNN回归 4.5 聚类 4.5.1 K均值聚类 4.5.2 密度聚类 4.5.3 层次聚类 4.5.4 高斯混合聚类 4.6 支持向量机 4.6.1 线性分类 4.6.2 非线性分类 4.6.3 线性回归 4.6.4 非线性回归 第5章 集成学习 5.1 常用的集成学习方法——AdaBoost 5.1.1 分类 5.1.2 回归 5.2 梯度提升树 5.2.1 GBDT算法的分类类——GradientBoostingClassifier 5.2.2 GBDT算法的回归类——GradientBoostingRegressor 5.3 随机森林 5.3.1 RandomForestClassifier模型 5.3.2 RandomForestRegressor模型 第6章 模型评估及持久化 6.1 损失函数 6.1.1 0-1损失 6.1.2 对数损失 6.2 数据切分 6.2.1 train-test-split()方法 6.2.2 KFold()方法 6.2.3 StratifiedKFold()方法 6.2.4 LeaveOneOut()方法 6.2.5 crossVal-score()方法 6.3 性能度量 6.4 参数优化 6.5 模型持久化 第7章 项目实践 7.1 工程应用场景 7.1.1 可行性研究阶段 7.1.2 设计阶段 7.1.3 施工阶段 7.1.4 监理监测 7.1.5 运营维护 7.2 边坡稳定性预测 7.2.1 数据探索 7.2.2 数据预处理 7.2.3 模型选择 7.2.4 模型评估 7.2.5 模型持久化 7.3 地质物探预测 7.3.1 数据探索 7.3.2 数据预处理 7.3.3 集成学习 7.3.4 模型评估 7.3.5 模型持久化 7.4 隧道岩爆分级预测 7.4.1 数据探索 7.4.2 数据预处理 7.4.3 集成学习 7.4.4 模型评估 7.4.5 模型持久化 7.5 混凝土强度预测 7.5.1 数据探索 7.5.2 数据预处理 7.5.3 模型选择 7.5.4 参数优化 7.5.5 模型持久化 7.6 膨胀土膨胀性等级分类 7.6.1 数据探索 7.6.2 数据预处理 7.6.3 分类簇数选择 7.6.4 模型评估 7.6.5 模型持久化
展开全部

机器学习实战——基于PYTHON SKLEARN的解析 作者简介

屈希峰,七年Python技术开发相关经验。2017年,使用Flask、MongoDB开发网站;2018年开发微信小程序:注册土木、注道、爱伴读等,其中微信小程序注册土木累计关注者1.2万人;2019年开发Windows桌面应用文字表格公式识别神器.exe,累计用户3千余人。使用Python期间,在知乎开设专栏记录经验,当前知乎关注者2.25万,其中编程专栏关注者4千余人。在工作中,探索Python编程在土木工程工程中的应用,对BIM、GIS以及数值分析软件的二次开发都有涉猎,现阶段工作重心在于如何将物联网及机器学习应用到土木行业智能检测和监测领域。

商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服