定價
：NT$ 480 元優惠價
：90 折 432 元
絕版無法訂購
相關商品
商品簡介
目次
商品簡介
內容簡介:熱門資料科學與機器學習演算法學習指南 本書介紹並說明資料科學領域常見且重要的機器學習演算法，這些演算法可用於監督式與非監督學習、強化學習與半監督式學習。書中所討論的演算法包括線性迴歸、logistic迴歸、SVM、樸素貝氏、k-means、隨機森林、TensorFlow與特徵工程。 你將會學到如何使用這些演算法來解決問題，以及它們的工作原理。同時也會介紹自然語言處理與推薦系統，以協助同時執行多種演算法。 最後將會知道如何挑選正確的機器學習演算法，來為你的問題進行分群、分類或迴歸。 你將學會： • 熟悉機器學習的重要元素 • 瞭解特徵選擇與特徵工程流程 • 平衡線性迴歸的效能與誤差 • 建立資料模型，與使用各種類型的演算法來瞭解它的工作方式 • 微調SVM的參數 • 實作資料集的群聚 • 探索自然語言處理與推薦系統的概念 • 從零開始建立機器學習架構
目次
章節說明:第 1 章 機器學習簡介第 2 章 機器學習的重要元素第 3 章 特徵選擇與特徵工程第 4 章 線性迴歸第 5 章 Logistic 迴歸第 6 章 樸素貝氏第 7 章 支援向量機第 8 章 決策樹與整體學習第 9 章 分群基礎第 10 章 階層式分群第 11 章 推薦系統簡介第 12 章 自然語言處理簡介第 13 章 NLP 的主題建模與情緒分析第 14 章 深度學習與 TensorFlow 簡介第 15 章 建立機器學習架構
您曾經瀏覽過的商品
購物須知
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。