图解机器学习 - 第2页

...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。第3版结合TensorFlow 2和scikit-learn的新版本进行了更新，涵盖强化学习和生成...

...最简单的机器学习算法；第二部分为参数化模型，讲解线性模型、神经网络等算法；第三部分为非参数化模型，主要讨论支持向量机和决策树模型及其变种；第四部分为无监督模型，涉及聚类、降维、概率图模型等多个...

...的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3部分（第11～16章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习...

...的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3部分（第11～16章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习...

...首先介绍贝叶斯学习基础、逻辑回归、概率图模型基础、隐马尔可夫模型和条件随机场，接着介绍支持向量机、人工神经网络与深度学习、高斯过程、聚类、主成分分析与相关的谱方法，最后介绍确定性近似推理、随机近似推理和强化学习...

...和机器学习中的问题。本书利用Windows系统下的Anaconda搭建环境，并基于OpenCV框架和Python语言，详细阐述了智能化图像处理的实现方法。本书共12章，主要内容包括智能图像处理入门、Python基础、图像处理基础、图像...

...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、无监督学习的算法等进行了介绍。本书既有图形、代码，又有详细的数学式推导过程，大大降低了机器学习的学习门槛，即使没有学...

...呈现为直观图形。3. 数学要素简明介绍数学的基本概念，如代数、几何和概率等，帮助读者打下数学基础。4. 矩阵力量重点讲解矩阵及线性代数的应用，特别是在数据分析和机器学习中的...

《数据有道 : 数据分析 图论与网络 微课 Python编程》是“鸢尾花数学大系—从加减乘除到机器学习”丛书的第三板块 ( 实践板块 ) 中的一本关于数据 科学的分册。“实践”这个板块，我们将会把学到的编程、可视化， 特别是数学工具...

...到图像理解和自然语言处理的典型任务中。此外，还介绍了在模型部署和编程中可用的诸多实用技巧。全书分为四部分，共9章。第一部分（第1~2章）讨论TensorFlow的设计模式以及选择TensorFlow作为深度学习...