图灵程序设计丛书 Python机器学习基础教程 中文文字
本书是机器学习入门书,以Python 语言介绍。主要内容包括:机器学习的基本概念及其应 用;实践中最常用的机器学习算法以及这些算法的优缺点;在机器学习中待处理数据的呈现方 式的重要性,以及应重点关注数据的哪些方面;模型评估和调参的高级方法,重点讲解交叉验 证和网格搜索;管道的概念;如何将前面各章的方法应用到文本数据上,还介绍了一些文本特 有的处理方法。 本书适合机器学习从业者或有志成为机器学习从业者的人阅读。
本书是机器学习入门书,以Python 语言介绍。主要内容包括:机器学习的基本概念及其应 用;实践中最常用的机器学习算法以及这些算法的优缺点;在机器学习中待处理数据的呈现方 式的重要性,以及应重点关注数据的哪些方面;模型评估和调参的高级方法,重点讲解交叉验 证和网格搜索;管道的概念;如何将前面各章的方法应用到文本数据上,还介绍了一些文本特 有的处理方法。 本书适合机器学习从业者或有志成为机器学习从业者的人阅读。
本书包括Python 程序设计的方方面面:首先,从Python 的安装开始,随后介绍了Python 的基础知识 和基本概念,包括列表、元组、字符串、字典以及各种语句;然后,循序渐进地介绍了一些相对高级的主 题,包括抽象、异常、魔法方法、属性、迭代器;此后,探讨了如何将Python 与数据库、网络、C 语言等 工具结合使用,从而发挥出Python 的强大功能,同时介绍了Python 程序测试、打包、发布等知识;最后, 作者结合前面讲述的内容,按照实际项目开发的步骤向读者介绍了10 个具有实际意义的Python 项目的开 发过程。 本书内容涉及的范围较广,既能为初学者夯实基础,又能帮助程序员提升技能,适合各个层次的 Python 开发人员阅读参考。
本书是NumPy 的入门教程,主要介绍NumPy 以及相关的Python 科学计算库,如SciPy 和Matplotlib。 本书内容涵盖NumPy 安装、数组对象、常用函数、矩阵运算、线性代数、金融函数、窗函数、质量控制、 Matplotlib 绘图、SciPy 简介以及Pygame 等内容,涉及面较广。另外,Ivan Idris 针对每个知识点给出了简 短而明晰的示例,并为大部分示例给出了实用场景(如股票数据分析),在帮助初学者入门的同时,提高了 本书可读性。 本书适合正在找寻高质量开源计算库的科学家、工程师、程序员和定量管理分析师阅读参考。
本书作为数据挖掘入门读物,介绍了数据挖掘的基础知识、基本工具和实践方法,通过循序渐进地讲 解算法,带你轻松踏上数据挖掘之旅。本书采用理论与实践相结合的方式,呈现了如何使用决策树和随机 森林算法预测美国职业篮球联赛比赛结果,如何使用亲和性分析方法推荐电影,如何使用朴素贝叶斯算法 进行社会媒体挖掘,等等。本书也涉及神经网络、深度学习、大数据处理等内容。 本书面向愿意学习和尝试数据挖掘的程序员。
本书每章都设计了案例研究,以机器学习算法为主线,结合实例探讨了Spark 的实际应用。书中没有 让人抓狂的数据公式,而是从准备和正确认识数据开始讲起,全面涵盖了推荐系统、回归、聚类、降维等 经典的机器学习算法及其实际应用。 本书适合互联网公司从事数据分析的人员,以及高校数据挖掘相关专业的师生阅读参考。
本书是《SQL基础教程》作者MICK为志在向中级进阶的数据库工程师编写的一本SQL技能提升指南。 全书可分为两部分,第一部分介绍了SQL语言不同寻常的使用技巧,带领读者从SQL常见技术,比如 CASE表达式、自连接、HAVING子句、外连接、关联子查询、EXISTS……去探索新发现。这部分不仅穿插 讲解了这些技巧背后的逻辑和相关知识,而且辅以丰富的示例程序,旨在帮助读者提升编程水平;第二部 分着重介绍关系数据库的发展史,把实践与理论结合起来,旨在帮助读者加深对关系数据库和SQL语言的 理解。此外,每节末尾均设置有练习题,并在书末提供了解答,方便读者检验自己对书中知识点的掌握程度。 本书适合具有半年以上SQL使用经验、已掌握SQL基础知识和技能、希望提升自己编程水平的读者阅读。
本书是一本解谜式的趣味算法书,从实际应用出发,通过趣味谜题的解谜过程, 引导读者在愉悦中提升思维能力、掌握算法精髓。此外,本书作者在谜题解答上,通 过算法的关键原理讲解,从思维细节入手,发掘启发性算法新解,并辅以Ruby、 JavaScript等不同语言编写的源代码示例,使读者在算法思维与编程实践的分合之 间,切实提高编程能力。 本书适合已经学习过排序、搜索等知名算法,并想要学习更多有趣算法以提升 编程技巧、拓展程序设计思路的程序员,以及对挑战算法问题感兴趣、爱好解谜的 程序员阅读。
本书是一本讲授信息检索的经典教材。全书共 21 章,前八章详述了信息检索的基础知 识,包括倒排索引、布尔检索及词项权重计算和评分算法等,后十三章介绍了一些高级话题, 如基于语言建模的信息检索模型、基于机器学习的排序方法和Web 搜索技术等。另外,本 书还着重讨论了文本聚类技术这一信息检索中不可或缺的组成部分。全书语言流畅,由浅入 深,一气呵成。 本书适合作为高等院校相关专业高年级本科生和研究生的课程教材,也可供信息检索领 域的研究人员和专业人士参考。
本书介绍了统计学的七个基本思想——聚合、信息、似然、相互比较、回归、设计、 残差,从其由来到引入,从基本概念到对“统计”这门学科的深远影响,并由此深 入阐述统计学的科学本质。
本书通过大量代码和图表全面系统地阐述了和推荐系统有关的理论基础,介绍了评价推荐系统优劣的 各种标准(比如覆盖率、满意度)和方法(比如AB 测试),总结了当今互联网领域中各种和推荐有关的产 品和服务。另外,本书为有兴趣开发推荐系统的读者给出了设计和实现推荐系统的方法与技巧,并解答了 在真实场景中应用推荐技术时最常遇到的一些问题。 本书适合对推荐技术感兴趣的读者学习参考。