客服公告:因系統升級,9/20(三)02:05am~02:35am電子書相關服務暫停。詳情

  • 今日66折
  • 天天BUY

初探機器學習:使用Python

Thoughtful Machine Learning with Python

  • 定價:480
  • 優惠價:79379
  • 優惠期限:2017年10月31日止
  • 【分級買就送】分級VIP會員買就送OPENPOINT(部份除外) 詳情
運送方式:
  • 可配送點:台灣、蘭嶼、綠島、澎湖、金門、馬祖、全球
  • 可取貨點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
    香港、澳門、新加坡
載入中...

買了此商品的人,也買了...

 

內容簡介

  運用測試驅動開發

  本書能讓讀者有自信的將機器學習實現於日常應用,而無需具備相關學術背景。這本實用指南向讀者呈現如何於程式碼中整合並測試機器學習演算法。

  書中以圖例搭配文字說明,並提供對應的範例程式。利用Python的NumPy、Pandas、Scikit-Learn與SciPy資料科學函式庫實現相關的應用與測試。如果您是對資料科學有興趣的軟體工程師或商務分析師,本書將能提供以下協助:

  ‧透過實務案例及練習驗證每個演算法
  ‧於撰寫軟體程式前,利用測試驅動開發(TDD)編寫及執行對應的測試項目
  ‧探索用於改善機器學習模型的資料萃取與特徵發展技術
  ‧評估機器學習的風險,例如資料的過度配適與配適不足
  ‧運用K最近鄰、類神經網路、分群以及其他相關演算法
 

作者介紹

作者簡介

Matthew Kirk


  擅長將Ruby與Python應用於機器學習和資料科學領域的軟體顧問及國際講者,同時也是位作家,目前居住在西雅圖。樂於協助軟體工程師們將資料科學整合到技術堆疊中。讀者可造訪作者網站www.matthewkirk.com,獲得更多與機器學習相關的學習資源。
 

目錄

第一章 大致接近正確的軟體 
第二章 機器學習速覽 
第三章 K-最近鄰法 
第四章 單純貝氏分類 
第五章 決策樹與隨機森林 
第六章 隱馬可夫模型 
第七章 支持向量機 
第八章 類神經網路 
第九章 分群 
第十章 資料萃取與模型改善 
第十一章 全書總結
 
 

詳細資料

  • ISBN:9789864765829
  • 規格:平裝 / 216頁 / 18.5 x 23 cm / 普通級 / 單色印刷 / 初版
  • 出版地:台灣

最近瀏覽商品

 
 

購物說明

若您具有法人身份為常態性且大量購書者,或有特殊作業需求,建議您可洽詢「企業採購」。 

退換貨說明 

會員所購買的商品均享有到貨十天的猶豫期(含例假日)。退回之商品必須於猶豫期內寄回。 

辦理退換貨時,商品必須是全新狀態與完整包裝(請注意保持商品本體、配件、贈品、保證書、原廠包裝及所有附隨文件或資料的完整性,切勿缺漏任何配件或損毀原廠外盒)。退回商品無法回復原狀者,恐將影響退貨權益或需負擔部分費用。 

訂購本商品前請務必詳閱商品退換貨原則 

  • 1
  • 1

訂閱電子報

想獲得最新商品資訊,請訂閱免費電子報