書籍分類

商管‧財經 (17341)
多媒體電子書 (2031)
文學‧小說 (30286)
設計‧藝術 (5588)
生活 (17509)
圖文‧漫畫 (4012)
科普 (4417)
人文 (21910)
社科 (18347)
親子‧童書 (8264)
語言 (5650)
電腦 (3554)
考用‧參考書 (5394)
理工農醫 (8694)
學術書 (44328)
政府出版品 (354)
單位自行出版品 (19)

瀏覽過的書籍

購買書籍
機器學習最強入門：基礎數學／機率／統計邁向AI真實數據專題實作－王者歸來

0　人評分過此書

可使用：0人

線上閱讀中：0人

下載閱讀中：0人

借閱天數：0天

推薦採購不提供QR CODE
線上閱讀
本書提供兩種檔案格式，請選擇開啟：
EPUB彈性排版，可依載具大小自動斷行或換頁，較適合小螢幕閱讀。

書籍內容

TOP
  • 內容簡介
  • 目錄
機器學習最強入門
基礎數學/機率/統計
邁向
AI真實數據 x 專題實作

★★★★★【數學原理 + 演算法 + 真實案例+ 專題實作】★★★★★
★★★★★【最簡明的數學、機率、統計知識】★★★★★
★★★★★【最完整的機器學習演算法】★★★★★
★★★★★【最豐富的真實數據 x 專題實作】★★★★★

本書特色如下：
★ 最白話解釋數學原理
☆ 從簡單的數據開始理解機器學習的演算法
★ 將理論知識轉化為實際的程式碼
☆ 實際案例分析
全書有約416個Python程式實例，讀者可以由本書內容，了解下列與機器學習有關的基礎數學、機率、統計知識：
★ 方程式與函數
☆ 完整Python語法
★ 一元函數到多元函數
☆ 最小平方法
★ 基礎統計
☆ 機率與單純貝式理論
★ 指數與對數
☆ logit函數與logistic函數
★ 向量與矩陣
☆ 二次函數、三次函數與多項式函數
當讀者有了上述知識後，筆者從簡單的實例開始介紹下列機器學習的演算法，每一種演算法皆是從基礎數據開始解說，然後跨入真實數據，解說應該如何將演算法應用到真實案例環境：
★ 線性迴歸 – 波士頓房價
☆ 邏輯迴歸 – 信用卡/葡萄酒/糖尿病
★ 決策樹 – 葡萄酒/鐵達尼號/Telco/Retail
☆ 隨機森林樹 – 波士頓房價/鐵達尼號/Telco/收入分析
★ KNN演算法 – 電影推薦/足球射門/鳶尾花/小行星撞地球
☆ 支援向量機 – 鳶尾花/乳癌/汽車燃料
★ 單純貝式分類 – 垃圾郵件/中英文的新聞分類/情感分析/電影評論
☆ 集成機器學習 – 蘑菇/醫療保險/玻璃/加州房價
★ K-means分群 – 購物中心消費/葡萄酒評價
☆ PCA主成分分析 – 手寫數字/人臉數據
★ 階層式分群 – 小麥數據/老實泉
☆ DBSCAN演算法 – 購物中心客戶分析
在講解上述演算法時，筆者同時介紹下列機器學習應該知道的知識：
★ 特徵選擇
☆ 用直方圖了解特徵分佈
★ 用箱型圖了解異常值
☆ 數據預處理
★ 殘差圖(Residual plot)
☆ 機器學習性能評估
★ 過擬合(overfitting)
☆ 欠擬合(underfitting)
★ 數據洩漏(Data leakage)
☆ 繪製決策樹圖(Decision tree map)
★ 可視化熱力圖(Heat map)
☆ 決策邊界(Decision Boundary)
★ 增加數據維度與超平面
☆ 交叉驗證(Cross-validation)
★ 泛化能力(Generalization Ability)
☆ 弱學習器(Weaks learners)
★ 強學習器(Strong learners)
☆ 學習模型(base learner)
本書最後一章，介紹了熱門的AI主題「語音辨識」，從本章內容讀者可以學會下列知識：
★ 語音轉文字
☆ 文字轉語音

※ 本書所有程式實例可至深智官網下載：deepwisdom.com.tw

同類型書籍推薦

TOP