机器学习及其应用 - 第10页

...支持向量机、朴素贝叶斯、k 均值、随机森林等，这些算法可以用于监督学习、非监督学习、强化学习或半监督学习。 在本书中，你将学会如何使用这些算法来解决所遇到的问题，并了解这些算法的工作...

...中对于内容的介绍仍然非常全面，仅仅是去掉了让人不容易理解的数学公式，取而代之的是简单易懂的一问一答的对话形式。本书适合人工智能、机器学习方向的学生和技术人员学习，也适合广大人工智能爱好者阅读。

...清晰的分步教程，也可以作为构建机器学习系统时常用的参考手册。本书包含清晰的解释、图表和工作示例，全面深入地介绍了机器学习的基本技术，并且给出了机器学习背后的原理，使你可以自己建立模型和应用程序...

...结合回归和分类的具体问题，逐步讲解了机器学习中实用的数学基础知识。其中，重点讲解了容易成为学习绊脚石的数学公式和符号。同时，还通过实际的 Python 编程讲解了数学公式的应用，进而加深读者对相关数学知识的...

...机器学习权威专家执笔，浓缩机器学习的关键知识点图文并茂187 张图示帮助理解，详略得当，为读懂大部头开路。角度新颖基于最小二乘法讲解各种有监督学习的回归和分类算法，以及无监督...

...学习内容，介绍了新版 Scikit-Learn。本书涵盖了多种用于文本和图像分类的机器学习与深度学习方法，介绍了用于生成新数据的生成对抗网络（GAN）和用于训练智能体的强化学习。本书还介绍了深度学习...

...未来，是系统学习大数据与机器学习的不二之选：·大数据产业解读一一剖析产业情况，人才供需、职业选择与相应“武器”库；·步入大数据之门一一解读数据、信息、算法，以及与大数据应用的关系...

...向量机、深度学习）等进行交叉和关联，便于读者在形成良好知识体系的同时保持对整个领域知识的全面把握。全书共14章和4个附录，循序渐进地对模式识别与机器学习领域进行剖析。首先介绍贝叶斯学习...

...选择最佳路线，公司用算法来选择求职者……当机器最终学会如何学习时，将会发生什么？不同于传统算法，现在悄然主导我们生活的是“能够学习的机器”，它们通过学习我们琐碎的数据，来执行任务...

...介绍了学习机器学习所需的Python知识和数学知识，并在此基础上结合数学式、示例程序、插图等，抽丝剥茧般地对有监督学习中的回归与分类、神经网络与深度学习的算法与应用、手写数字识别、无监督学习的算法...