实用机器学习
作者:Sunila Gollapudi
出版社:机械工业出版社
ISBN:9787111598886
VIP会员免费
(仅需0.8元/天)
¥ 40.0
温馨提示: 价值40000元的1000本电子书,VIP会员随意看哦!
电子书推荐
-
数据挖掘-实用机器学习技术(中文第二版) 评分:
前言 第一部分 机器学习工具与技术 第1章 绪论 1.l 数据挖掘和机器学习 l.2 简单的例子:天气问题和其他 l.3 应用领域- 1.4 机器学习和统计学 1.5 用于搜索的概括 l.6 数据挖掘和道德 1.7 补允读物 第2章 输入概念、实例和属性 2.1 概念 2.2 样本 2.3 属性 2.4 输入准备 2.5 补充读物 第3章 输出:知识表达 3.1 决策表 3.2 决策树 3.3 分类规则 3.4 关联规则 3.5 包含例外的规则 3.6 包含关系的规则 3.7 数值预测树 3.8 基于实例的表达 3.9 聚类 3.10 补充读物 第4章 算法基本方法 4.1 推断基本规则 4.2 统计建模 4.3 分治法:创建决策树 4.4 覆盖算法:建立规则 4.5 挖掘关联规州 4.6 线性模型 4.7 基于实例的学习 4.8 聚类 4.9 补充读物 第5章 可信度:评估机器学习结果 5.1 训练和测试 5.2 预测性能 5.3 交叉验证 5.4 其他估计法 5.5 可信度:评估机器学习结果 5.6 预测概率 5.7 计算成本 5.8 评估数值预测 5.9 最短描述长度原理 5.10 聚类方法中应用MDL原理 5.1l 补充读物 第6章 实现:真正的机器学习方案 …… 第7章 转换:处理输入和输出 第8章 继续扩展和应用 第9章 Weka简介 第10章 Explorer界面 第1l章 Knowledge Flow界面 第12章 Experimenter界面 第13章 命令行界面 第14章 嵌入式机器学习 第15章 编写新学习方案 参考文献 索引
上传时间:2015-06 大小:49.79MB
- 811KB
数据挖掘实用机器学习技术.pdf
2021-07-14数据挖掘实用机器学习技术.pdf
- 121.25MB
数据挖掘与机器学习课程设计-基于深度学习对数据进行分析识别课设合集.zip
2022-06-26数据挖掘与机器学习课程设计-基于深度学习对数据进行分析识别课设合集,包含动物识别、 手写数字识别、猫狗识别、鸟类分类。 数据挖掘与机器学习课程设计-基于深度学习对数据进行分析识别课设合集,包含动物识别、 ...
- 49.52MB
数据挖掘-实用机器
2018-07-31本书介绍数据挖掘的基本理论与实践方法。主要内容包括:各种模型(决策树,关联规则、线性模型、聚类、贝叶斯网以及...Weka系统拥有进行数据挖掘仟务的图形用户界面,有助于理解模型,是一个实用并且深受欢迎的工具。
- 334KB
《数据挖掘与机器学习》教学大纲 (2).pdf
2022-06-14《数据挖掘与机器学习》教学大纲 (2).pdf《数据挖掘与机器学习》教学大纲 (2).pdf《数据挖掘与机器学习》教学大纲 (2).pdf《数据挖掘与机器学习》教学大纲 (2).pdf《数据挖掘与机器学习》教学大纲 (2).pdf《数据挖掘...
- 6.25MB
大数据-机器学习-数据挖掘-云计算-智能物流
2021-06-08大数据-机器学习-数据挖掘-云计算-智能物流
- 79.28MB
数据挖掘-概念与技术(第二版).中文.2007.带标签
2018-06-12数据挖掘-概念与技术(第二版).中文.2007.带标签 很经典的书
- 2.11MB
数据挖掘 机器学习原理与SPSS Clementine应用宝典 第4章 数据选择.pdf
2021-07-10数据挖掘 机器学习原理与SPSS Clementine应用宝典 第1章 数据挖掘概述.ppt 数据挖掘 机器学习原理与SPSS Clementine应用宝典 第2章 数据挖掘可挖掘的知识类型.ppt 数据挖掘 机器学习原理与SPSS Clementine应用宝典 ...
- 85KB
数据挖掘机器学习-支持向量机libsvm实验报告.docx
2022-06-16数据挖掘机器学习-支持向量机libsvm实验报告.docx数据挖掘机器学习-支持向量机libsvm实验报告.docx数据挖掘机器学习-支持向量机libsvm实验报告.docx数据挖掘机器学习-支持向量机libsvm实验报告.docx数据挖掘机器学习...
- 4.55MB
Python数据挖掘与机器学习开发实战的常见试题与参考答案.pdf
2022-06-20机器学习是一门理论性和实践性都比较强的技术学科。为了帮助大家对这些知识点进行梳理和理解,以便能够更好地应对招聘单位所出的机器学习方面的面试题,笔者准备了些这方面的试题,希望能够对大家有所帮助。
- 635KB
数据挖掘-WEKA实验报告一.pdf
2022-07-14数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf
- 90KB
《数据挖掘与机器学习》教学大纲 (2).docx
2022-06-14《数据挖掘与机器学习》教学大纲 (2).docx《数据挖掘与机器学习》教学大纲 (2).docx《数据挖掘与机器学习》教学大纲 (2).docx《数据挖掘与机器学习》教学大纲 (2).docx《数据挖掘与机器学习》教学大纲 (2).docx...
- 2.49MB
数据挖掘与机器学习(一).pdf
2023-06-13数据挖掘与机器学习(一).pdf
- 12KB
2013百度校园招聘-机器学习和数据挖掘工程师-笔试题.docx
2021-08-302013百度校园招聘-机器学习和数据挖掘工程师-笔试题.docx
- 167KB
机器学习-实用案例解析 第二章 代码和数据
2014-05-29机器学习-实用案例解析 第二章 代码和数据
- 2.50MB
机器学习数据挖掘论文
2011-05-08个人整理的有关机器学习和数据挖掘的IEEE,计算机学报上的论文,很全面的哟~
- 2.77MB
小白学数据挖掘与机器学习 基于SPSS Modeler实现 含全部数据及模型文件.rar
2022-06-02小白学数据挖掘与机器学习 基于SPSS Modeler实现 含全部数据及模型文件
- 3KB
python爬取微博一二级评论数据代码(需设置cookie)
2024-04-18这段Python代码是一个微博评论爬虫,它主要用于抓取微博的一级评论和二级评论,并将抓取的数据保存到CSV文件中。下面是代码的详细描述: 导入模块:代码首先导入了所需的模块,包括json、csv、re(正则表达式)、requests(发送HTTP请求)、time(暂停执行)、pandas(数据处理)、os(操作系统功能)和datetime(日期时间处理)。 获取网页源码:get_html 函数通过HTTP请求获取给定URL的网页源码,并设置了User-Agent和Referer头,以模拟浏览器访问。它还包含了一个时间延迟,以避免因频繁请求而被服务器限制访问。 清理HTML标签:get_string 函数用于从HTML内容中提取纯文本,移除所有HTML标签。 保存评论数据:save_text_data 函数将评论数据保存到CSV文件中。它首先创建一个包含评论数据的字典,然后将其转换为pandas的DataFrame。如果CSV文件已存在,则在追加数据时不添加表头;如果文件不存在,则添加表头。数据以UTF-8编码格式保存。 时间转换:trans_time 函数用于将微博评论的时间
- 341KB
Python基于机器学习实现的股票价格预测、股票预测源码+数据集,机器学习大作业
2023-04-18python数据分析,因为股票价格的影响因素太多,通过k线数据预测未来的价格变化基本不可行,只有当天之内的数据还有一定的关联,故feature与target都选择的是当天的数据。 加载数据 为了加快数据的处理速度,提前将mariadb数据库中的数据查询出来,保存成feather格式的数据,以提高加载数据的速度。 经过处理,不同股票的数据保存在了不同的文件中,列名还保持着数据库中的字段名。我选择了股票代码为sh600010的这只股票作为数据分析的数据来源。预测出来的结果与真实值变化趋势相近,说明线性回归模型在一定程度上能够解释收盘价与选取的feature之间的关系
- 115KB
身份证前6位对应的省市区代码(超详细)
2023-05-11身份证前6位对应的省市区代码(超详细)
- 143.21MB
抖音用户浏览行为数据集
2024-02-15抖音用户浏览行为数据集 文章: [ 数据挖掘实战 —— 抖音用户浏览行为数据分析与挖掘(一)](https://blog.csdn.net/m0_53054984/article/details/136121177) [ 数据挖掘实战 —— 抖音用户浏览行为数据分析与挖掘(二)](https://blog.csdn.net/m0_53054984/article/details/136123131) [ 数据挖掘实战 —— 抖音用户浏览行为数据分析与挖掘(总)](https://blog.csdn.net/m0_53054984/article/details/136122988) [ 数据挖掘实战 —— 抖音用户浏览行为数据分析与挖掘(代码部分)](https://blog.csdn.net/m0_53054984/article/details/136455033)
- 104.35MB
基于在线教学平台的数据挖掘与学习行为分析超星集团数据集
2024-03-23基于在线教学平台的数据挖掘与学习行为分析超星集团数据集
- 1.23MB
两阶段鲁棒优化/综合能源系统/需求响应/微电网/多目标优化/优化调度matlab-yalmip-cplex/gurobi文章复现
2022-08-04基于多目标灰狼的冷热电联拱型微电网允许优化/ 考虑用户侧柔性负荷的社区综合能源系统日前优化调度(完美复现)matlab-yalmip-cplex/gurobi代码/ 基于场景的多区域综合能源优化调度(随机优化)(完美复现)matlab-yalmip-cplex/gurobi代码/ 考虑阶梯式碳交易机制与电制氢的综合能源系统热电优化(完美复现)matlab-yalmip-cplex/gurobi代码/ 基于概率距离的场景快速削减法的风光场景生成与削减方法/ 微电网两阶段鲁棒优化经济调度方法(完美复现)matlab-yalmip-cplex/gurobi非答疑版本/ 两阶段鲁棒优化入门到编程/ 并网型微电网光储协同优化调度/matlab-yalmip-cplex/ 含集群电动汽车的微电网多种需求侧资源经济协同调度/
- 5.75MB
SPSS中介效应分析插件(Process和mediate插件)
2022-03-09包含Process和mediate插件
- 829B
regress函数实例代码
2024-01-15regress函数功能十分强大,它可以用来做多元线性回归分析,它不仅能得出线性回归函数中各个系数,还会返回一系列有意义的统计参数,有助于我们对回归函数的分析。本文件包含regress函数实例代码一份。
- 1KB
Fragstats V4.2 软件计算景观指数的参数文件示例
2023-12-18Fragstats V4.2 软件计算景观指数的参数文件示例。
- 13.85MB
2001-2021中国城市统计年鉴数据(EXCEL数据面板)
2022-05-08县区+地级市 中国城市统计年鉴数据2001-2021(EXCEL数据面板)
- 12.37MB
【Python实战】-Python+Opencv是实现车牌自动识别(源码+数据+字符匹配模板)
2024-03-09在这个实战项目中,我们将利用Python结合OpenCV库来实现车牌识别功能。整个过程涵盖图像预处理、车牌定位、车牌字符分割以及模板匹配识别等关键步骤,对智能交通、车辆管理等实际应用领域具有显著价值。 首先,我们需要对获取的车辆图像进行预处理,这通常包括灰度化、二值化、滤波去噪等操作,以便更好地凸显车牌区域。接着,利用OpenCV的图像处理功能,我们可以实现车牌定位。这通常涉及边缘检测、轮廓查找以及形态学操作,以准确提取出车牌区域。 在车牌定位完成后,我们需要对车牌进行字符分割。这一步的目的是将车牌中的每个字符独立提取出来,以便后续进行识别。常用的字符分割方法包括垂直投影法、滑动窗口法等。通过这些方法,我们可以将车牌图像划分为多个字符区域。 最后,我们利用模板匹配的方法对分割出的字符进行识别。通过预先准备的字符模板库,我们将每个字符区域与模板库中的字符进行匹配,从而确定字符的具体内容。经过这一过程,我们可以得到完整的车牌号码。 该项目不仅可用于车牌识别技术的学习和研究,还具有实际应用价值。通过自动识别车牌号码,我们可以实现车辆追踪、违章查询、停车场管理等功能,从而提高交通管理的
- 27.17MB
2022年mathercup数学建模比赛d题题解
2022-04-182022年mathercup数学建模比赛d题题解,其中包含思路和论文代码。
- 1.12MB
新闻数据集(对应新闻文本分类案例)
2023-03-19该新闻数据集与 https://blog.csdn.net/weixin_47176703/article/details/124304692?spm=1001.2014.3001.5501此篇python项目-新闻文本分类详细对应,代码详尽,读者可自取实现。
- 3.36MB
R语言期末大作业(全面带报告,带数据集)
2022-05-24按照后期进行数据分析的需求,对数据进行预处理。 -描述性统计:选择合适的方法对数据进行统计分析。包括对数值型和类别型属性的统计,并对分析结果进行图形化的展示(使用ggplot2或者lattice包)。 -推断性统计:选择合适的假设检验方法,分析属性间的相关性、两组数据间是否具有显著性差异,分析结果并给出结论及必要的图形展示。 - 数据挖掘 根据数据特征及需求,利用分类、聚类或时间序列方法挖掘蕴含在数据中的模式及必要的图形展示,用回归模型预测走势 注意:对聚类结果分析聚簇特征 对分类结果计算准确性。 使用时间序列分析方法可判断数据是否存在趋势、周期性等特征,或对数据进行预测。 (分类、聚类、时间序列,回归模型至少使用2种方法)