scikit-learn机器学习电子书封面 读者评价 书还错，通俗易懂的结合实例讲解了很多库函数的使用，最令我感兴趣的就是P118的那段话:人生价值的实现，在于消费资源(增熵过程)来获取能量，经过自己的劳动付出，让世界变得更加纯净有序(减熵过程)，信息增益(减熵量-增熵量)即是衡量人生价值的尺度。理工男要有理工男的文艺！ 机器学习程序入门，通俗容易入门 这本书正好满足了这两个特点：用深入浅出的讲解帮助初学者学习理论知识；用大量有益的实例带领读者实践，并检验学习效果。无论是机器学习的入门人员，还是有一定基础的进阶者，均能从本书中有所获益 前，人工智能是一个热门话题，这使得驱动其发展的机器学习和深度学习等技术也变得炙手可热。而学习这些技术的门槛不低，有相当难度。可喜的是，本书将这个门槛大大地降低了，读者不会一上来就被一大堆数学公式和推导过程折磨，非常值得一读。 介绍了在Python环境下学习scikit-learn机器学习框架的相关知识，涵盖的主要内容有机器学习概述、Python机器学习软件包、机器学习理论基础、k-近邻算法等算法 内容介绍 本书通过通俗易懂的语言、丰富的图示和生动的实例，拨开了笼罩在机器学习上方复杂的数学乌云，让读者以较低的代价和门槛入门机器学习。 本书共分为11章，介绍了在Python环境下学习scikit-learn机器学习框架的相关知识，涵盖的主要内容有机器学习概述、Python机器学习软件包、机器学习理论基础、k-近邻算法、线性回归算法、逻辑回归算法、决策树、支持向量机、朴素贝叶斯算法、PCA算法和k-均值算法等。 本书适合有一定编程基础的读者阅读，尤其适合想从事机器学习、人工智能、深度学习及机器人相关技术的程序员和爱好者阅读。另外，相关院校和培训机构也可以将本书作为教材使用。 目录 前言 第1章 机器学习介绍 1 第2章 Python机器学习软件包 7 第3章 机器学习理论基础 58 第4章 k-近邻算法 69 第5章 线性回归算法 83 第6章 逻辑回归算法 98 第7章 决策树 115 第8章 支持向量机 134 第9章 朴素贝叶斯算法 151 第10章 PCA算法 168 第11章 k-均值算法 190 后记 205
评论区