下载 >  人工智能 >  机器学习 > ( Python机器学习经典实例_Code.zip )

( Python机器学习经典实例_Code.zip )

( Python机器学习经典实例_Code.zip ) ( Python机器学习经典实例_Code.zip ) ( Python机器学习经典实例_Code.zip )
2018-04-15 上传大小:13.63MB
分享
收藏 举报
Python机器学习经典实例.pdf

在如今这个处处以数据驱动的世界中,机器学习正变得越来越大众化。它已经被广泛地应用于不同领域,如搜索引擎、机器人、无人驾驶汽车等。Python机器学习经典实例首先通过实用的案例介绍机器学习的基础知识,然后介绍一些稍微复杂的机器学习算法,例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络,等等。

立即下载
Python机器学习经典实例中文完整版及代码

《Python机器学习经典实例》中文电子完整版及附赠代码 ,分享给大家学习。

立即下载
Python机器学习经典实例 源代码

机器学习实战的进阶手册,提高对机器学习的了解。对于提升动手代码能力也很重要。

立即下载
《Python机器学习经典实例》中文完整版【高清PDF+完整书签+源码】

Python机器学习经典实例(完整中文和英文版)+书籍里面的源码也一并奉上!很经典的案例!学习价值很高!!!学习价值很高!!!学习价值很高!!! 在如今这个处处以数据驱动的世界中,机器学习正变得越来越大众化。它已经被广泛地应用于不同领域,如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识,然后介绍一些稍微复杂的机器学习算法,例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络,等等。, 本书是为想用机器学习算法开发应用程序的Python 程序员准备的。它适合Python 初学者阅读,不过熟悉Python 编程方法对体验示例代码大有裨益。

立即下载
图灵书籍(Python机器学习经典实例.pdf及代码+数据科学入门.pdf及代码)

图灵书籍包括Python机器学习经典实例.pdf及代码、数据科学入门.pdf及代码。

立即下载
电子书---Python机器学习经典实例

第1 章 监督学习 ............................................. 1 1.1 简介 ................................................. 1 1.2 数据预处理技术 ....................................... 2 1.2.1 准备工作 ....................................... 2 1.2.2 详细步骤 ....................................... 2 1.3 标记编码方法 ........................................... 4 1.4 创建线性回归器 ....................................... 6 1.4.1 准备工作 ....................................... 6 1.4.2 详细步骤 ....................................... 7 1.5 计算回归准确性 ....................................... 9 1.5.1 准备工作 ....................................... 9 1.5.2 详细步骤 ...................................... 10 1.6 保存模型数据 .......................................... 10 1.7 创建岭回归器 .......................................... 11 1.7.1 准备工作 ...................................... 11 1.7.2 详细步骤 ...................................... 12 1.8 创建多项式回归器 .................................. 13 1.8.1 准备工作 ...................................... 13 1.8.2 详细步骤 ...................................... 14 1.9 估算房屋价格 .......................................... 15 1.9.1 准备工作 ...................................... 15 1.9.2 详细步骤 ...................................... 16 1.10 计算特征的相对重要性 ......................... 17 1.11 评估共享单车的需求分布 ..................... 19 1.11.1 准备工作 .................................. 19 1.11.2 详细步骤 .................................. 19 1.11.3 更多内容 .................................. 21 第2 章 创建分类器 ........................................ 24 2.1 简介 ........................................... 24 2.2 建立简单分类器 ...................................... 25 2.2.1 详细步骤 ...................................... 25 2.2.2 更多内容 ...................................... 27 2.3 建立逻辑回归分类器 .............................. 27 2.4 建立朴素贝叶斯分类器 ........................... 31 2.5 将数据集分割成训练集和测试集 ........... 32 2.6 用交叉验证检验模型准确性 ................... 33 2.6.1 准备工作 ...................................... 34 2.6.2 详细步骤 ...................................... 34 2.7 混淆矩阵可视化 ...................................... 35 2.8 提取性能报告 .......................................... 37 2.9 根据汽车特征评估质量 ........................... 38 2.9.1 准备工作 ...................................... 38 2.9.2 详细步骤 ...................................... 38 2.10 生成验证曲线 ........................................ 40 2.11 生成学习曲线 ........................................ 43 2.12 估算收入阶层 ........................................ 45 第3 章 预测建模 ............................................ 48 3.1 简介 ............................................ 48 3.2 用SVM 建立线性分类器 ........................ 49 3.2.1 准备工作 ...................................... 49 3.2.2 详细步骤 ...................................... 50 3.3 用SVM 建立非线性分类器 .................... 53 3.4 解决类型数量不平衡问题 ....................... 55 3.5 提取置信度 .............................................. 58 3.6 寻找最优超参数 ...................................... 60 3.7 建立事件预测器 ...................................... 62 3.7.1 准备工作 ...................................... 62 3.7.2 详细步骤 ...................................... 62 3.8 估算交通流量 .......................................... 64 3.8.1 准备工作 ...................................... 64 3.8.2 详细步骤 ...................................... 64 第4 章 无监督学习——聚类....................... 67 4.1 简介 ....................................... 67 4.2 用k-means 算法聚类数据 ....................... 67 4.3 用矢量量化压缩图片 .............................. 70 4.4 建立均值漂移聚类模型 ........................... 74 4.5 用凝聚层次聚类进行数据分组 ............... 76 4.6 评价聚类算法的聚类效果 ....................... 79 4.7 用DBSCAN 算法自动估算集群数量 ..... 82 4.8 探索股票数据的模式 .............................. 86 4.9 建立客户细分模型 .................................. 88 第5 章 构建推荐引擎 ................................... 91 5.1 简介 ...................................... 91 5.2 为数据处理构建函数组合 ....................... 92 5.3 构建机器学习流水线 .............................. 93 5.3.1 详细步骤 ...................................... 93 5.3.2 工作原理 ...................................... 95 5.4 寻找最近邻 .............................................. 95 5.5 构建一个KNN 分类器 ............................ 98 5.5.1 详细步骤 ...................................... 98 5.5.2 工作原理 .................................... 102 5.6 构建一个KNN 回归器 .......................... 102 5.6.1 详细步骤 .................................... 102 5.6.2 工作原理 .................................... 104 5.7 计算欧氏距离分数 ................................ 105 5.8 计算皮尔逊相关系数 ............................ 106 5.9 寻找数据集中的相似用户 ..................... 108 5.10 生成电影推荐 ...................................... 109 第6 章 分析文本数据 ................................. 112 6.1 简介 ....................................... 112 6.2 用标记解析的方法预处理数据 ............. 113 6.3 提取文本数据的词干 ............................ 114 6.3.1 详细步骤 .................................... 114 6.3.2 工作原理 .................................... 115 6.4 用词形还原的方法还原文本的基本形式 .................... 116 6.5 用分块的方法划分文本 ........................ 117 6.6 创建词袋模型 ........................................ 118 6.6.1 详细步骤 .................................... 118 6.6.2 工作原理 .................................... 120 6.7 创建文本分类器 .................................... 121 6.7.1 详细步骤 .................................... 121 6.7.2 工作原理 .................................... 123 6.8 识别性别 ............................................. 124 6.9 分析句子的情感 .................................... 125 6.9.1 详细步骤 .................................... 126 6.9.2 工作原理 .................................... 128 6.10 用主题建模识别文本的模式 ............... 128 6.10.1 详细步骤 .................................. 128 6.10.2 工作原理 .................................. 131 第7 章 语音识别 ......................................... 132 7.1 简介 .......................................... 132 7.2 读取和绘制音频数据 ............................ 132 7.3 将音频信号转换为频域 ........................ 134 7.4 自定义参数生成音频信号 ..................... 136 7.5 合成音乐 .......................................... 138 7.6 提取频域特征 ........................................ 140 7.7 创建隐马尔科夫模型 ............................ 142 7.8 创建一个语音识别器 ............................ 143 第8 章 解剖时间序列和时序数据 ............ 147 8.1 简介 ............................................. 147 8.2 将数据转换为时间序列格式 ................. 148 8.3 切分时间序列数据 ................................ 150 8.4 操作时间序列数据 ................................ 152 8.5 从时间序列数据中提取统计数字 ......... 154 8.6 针对序列数据创建隐马尔科夫模型 ..... 157 8.6.1 准备工作 .................................... 158 8.6.2 详细步骤 .................................... 158 8.7 针对序列文本数据创建条件随机场 ..... 161 8.7.1 准备工作 .................................... 161 8.7.2 详细步骤 .................................... 161 8.8 用隐马尔科夫模型分析股票市场数据.......................... 164 第9 章 图像内容分析 ................................. 166 9.1 简介 .............................................. 166 9.2 用OpenCV-Pyhon 操作图像 ................. 167 9.3 检测边 ........................................ 170 9.4 直方图均衡化 ........................................ 174 9.5 检测棱角 .................................. 176 9.6 检测SIFT 特征点 .................................. 178 9.7 创建Star 特征检测器 ............................ 180 9.8 利用视觉码本和向量量化创建特征 ...... 182 9.9 用极端随机森林训练图像分类器 .......... 185 9.10 创建一个对象识别器 ........................... 187 第10 章 人脸识别 ........................................ 189 10.1 简介 ........................................... 189 10.2 从网络摄像头采集和处理视频信息 .... 189 10.3 用Haar 级联创建一个人脸识别器 ...... 191 10.4 创建一个眼睛和鼻子检测器 ............... 193 10.5 做主成分分析 ...................................... 196 10.6 做核主成分分析 .................................. 197 10.7 做盲源分离 .......................................... 201 10.8 用局部二值模式直方图创建一个人脸识别器 ................ 205 第11 章 深度神经网络 ............................... 210 11.1 简介 ........................................ 210 11.2 创建一个感知器 .................................. 211 11.3 创建一个单层神经网络 ....................... 213 11.4 创建一个深度神经网络 ....................... 216 11.5 创建一个向量量化器........................... 219 11.6 为序列数据分析创建一个递归神经网络 ...................... 221 11.7 在光学字符识别数据库中将字符可视化 ...................... 225 11.8 用神经网络创建一个光学字符识别器 ....................... 226 第12 章 可视化数据 ................................... 230 12.1 简介 ............................................... 230 12.2 画3D 散点图 ....................................... 230 12.3 画气泡图 ............................................ 232 12.4 画动态气泡图 ...................................... 233 12.5 画饼图 ............................................... 235 12.6 画日期格式的时间序列数据 ............... 237 12.7 画直方图 ............................................ 239 12.8 可视化热力图 ...................................... 241 12.9 动态信号的可视化模拟 ....................... 242 电子版来自互联网,仅供预览及学习交流使用,不可用于商业用途,如有版 权问题,请联系删除,支持正版,喜欢的 请购买正版书籍: https://item.jd.co/12163851.html】

立即下载
Python机器学习经典实例 中文完整版高清PDF+完整书签+源码

Python机器学习经典实例(完整中文和英文版)+书籍里面的源码也一并奉上!很经典的案例!学习价值很高!!!学习价值很高!!!学习价值很高!!! 在如今这个处处以数据驱动的世界中,机器学习正变得越来越大众化。它已经被广泛地应用于不同领域,如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识,然后介绍一些稍微复杂的机器学习算法,例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络,等等。, 本书是为想用机器学习算法开发应用程序的Python 程序员准备的。它适合Python 初学者阅读,不过熟悉Python 编程方法对体验示例代码大有裨益。

立即下载
Python机器学习经典实例 +书籍源码

Python机器学习经典实例(完整中文和英文版)+书籍里面的源码也一并奉上!很经典的案例!

立即下载
Python机器学习经典实例数据.rar

Python机器学习经典实例数据Python机器学习经典实例数据Python机器学习经典实例数据

立即下载
Python机器学习经典实例

Python机器学习经典实例 Python机器学习经典实例 Python机器学习经典实例

立即下载
python机器学习经典实例【美 Prateek Joshi】修正python3.x版

《python机器学习经典实例》【美 Prateek Joshi】中的代码适用于python2.x,对于python3.x的用户来说更改了一部分用法,甚至书中的函数库即将废弃一部分,已经失效一部分,经过本人学习订正后共享资源给大家,希望可以给开发者们提供更好的代码体验。

立即下载
Python机器学习经典实例(英文版)pdf下载

Python机器学习经典实例(英文版),Python Machine Learning Cookbook(2016)

立即下载
python机器学习经典案例电子书及代码示例

python机器学习经典学习案例,个人认为比Python用起来机器学习要好,适合初学者入门,配合代码示例食用更佳。

立即下载
中文版本python 机器学习经典实例及源码

python机器学习实例中文版本非扫描版本 中文 非扫描

立即下载
Python机器学习经典实例pdf电子版和附带源码

Python机器学习经典实例pdf电子版和附带源码,Python机器学习经典实例pdf电子版和附带源码

立即下载
Python机器学习经典实例(高清含书签源码)

Python机器学习经典实例(高清含书签源码) Python机器学习经典实例(高清含书签源码)

立即下载
Python机器学习+(数据科学与工程技术丛书).mobi

第1章介绍了机器学习算法的划分。第二章追溯了机器学习的起源;第三章介绍了机器学习中分类算法的基本内容;第四章讨论了如何处理原始数据中常见的问题;第五章介绍了如何通过降维来压缩数据的特征数量等等

立即下载
python机器学习经典实例》书源代码

《python机器学习经典实例》一书中的源代码,也可以在https://github.com/PacktPublishing/Python-Machine-Learning-Cookbook自行下载

立即下载
Python机器学习经典实例(高清中文版PDF+高清英文版PDF+源代码)

Python机器学习经典实例(高清中文版PDF+高清英文版PDF+源代码)

立即下载
python学习经典实例

python机器学习的一些经典实例的代码实现

立即下载
关闭
img

spring mvc+mybatis+mysql+maven+bootstrap 整合实现增删查改简单实例.zip

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
点击完成任务获取下载码
输入下载码
为了良好体验,不建议使用迅雷下载
img

( Python机器学习经典实例_Code.zip )

会员到期时间: 剩余下载个数: 剩余C币: 剩余积分:0
为了良好体验,不建议使用迅雷下载
VIP下载
您今日下载次数已达上限(为了良好下载体验及使用,每位用户24小时之内最多可下载20个资源)

积分不足!

资源所需积分/C币 当前拥有积分
您可以选择
开通VIP
4000万
程序员的必选
600万
绿色安全资源
现在开通
立省522元
或者
购买C币兑换积分 C币抽奖
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
为了良好体验,不建议使用迅雷下载
确认下载
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
为了良好体验,不建议使用迅雷下载
VIP和C币套餐优惠
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
您的积分不足,将扣除 10 C币
为了良好体验,不建议使用迅雷下载
确认下载
下载
您还未下载过该资源
无法举报自己的资源

兑换成功

你当前的下载分为234开始下载资源
你还不是VIP会员
开通VIP会员权限,免积分下载
立即开通

你下载资源过于频繁,请输入验证码

您因违反CSDN下载频道规则而被锁定帐户,如有疑问,请联络:webmaster@csdn.net!

举报

若举报审核通过,可返还被扣除的积分

  • 举报人:
  • 被举报人:
  • *类型:
    • *投诉人姓名:
    • *投诉人联系方式:
    • *版权证明:
  • *详细原因: