|
000
|
01571nam 2200301 450
|
|
001
|
02350961
|
|
005
|
20250715100428.0
|
|
010
|
|
@a978-7-300-32105-9@dCNY69.00
|
|
100
|
|
@a20250714d2024 em y0chiy50 ea
|
|
101
|
0
|
@achi
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aa z 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@aPython机器学习@APython ji qi xue xi@e原理与实践@f薛薇著
|
|
205
|
|
@a第2版
|
|
210
|
|
@a北京@c中国人民大学出版社@d2024.01
|
|
215
|
|
@a341页@c图@d26cm
|
|
225
|
2
|
@a数据科学与大数据技术丛书@Ashu ju ke xue yu da shu ju ji shu cong shu
|
|
314
|
|
@a薛薇, 中国人民大学统计学院副教授, 中国人民大学应用统计科学研究中心研究员。所撰写著作曾入选“十二五”普通高等教育本科国家级规划教材、北京市高等教育精品教材。
|
|
330
|
|
@a本书共分12章。首先, 内容上涵盖了众多主流和核心机器学习算法, 以及相关重要知识点。其次, 结构安排上, 在第1章概述和第2章Python基础介绍后, 第3章集中对数据预测建模的各个方面进行了总览论述, 旨在帮助学习者把握机器学习的整体知识框架。后续第4章至第9章依知识难度, 由浅入深展开数据预测建模的讨论, 包括朴素贝叶斯分类器、近邻分析、决策树、集成学习、人工神经网络、支持向量机等。第10、11章讨论特征选择和特征提取, 作为数据预测建模的重要补充。第12章关注机器学习中的聚类算法。此外, 每章的Python代码能够很好地帮助学习者进一步深刻理解原理, 掌握和拓展Python机器学习的应用实践。
|
|
410
|
0
|
@12001 @a数据科学与大数据技术丛书
|
|
606
|
0
|
@a程序语言@Acheng xu yu yan@x程序设计
|
|
606
|
0
|
@a机器学习@Aji qi xue xi
|
|
690
|
|
@aTP312PY@v5
|
|
690
|
|
@aTP181@v5
|
|
701
|
0
|
@a薛薇@Axue wei@4著
|
|
801
|
0
|
@aCN@bZZJT@c20250715
|
|
905
|
|
@aLYXY@dTP312PY@e63@f3
|
|
|
|
|
| |
| Python机器学习：原理与实践/薛薇著.-第2版.-北京：中国人民大学出版社，2024.01 |
| 341页：图；26cm.-(数据科学与大数据技术丛书) |
| |
| |
| ISBN 978-7-300-32105-9：CNY69.00 |
| 本书共分12章。首先, 内容上涵盖了众多主流和核心机器学习算法, 以及相关重要知识点。其次, 结构安排上, 在第1章概述和第2章Python基础介绍后, 第3章集中对数据预测建模的各个方面进行了总览论述, 旨在帮助学习者把握机器学习的整体知识框架。后续第4章至第9章依知识难度, 由浅入深展开数据预测建模的讨论, 包括朴素贝叶斯分类器、近邻分析、决策树、集成学习、人工神经网络、支持向量机等。第10、11章讨论特征选择和特征提取, 作为数据预测建模的重要补充。第12章关注机器学习中的聚类算法。此外, 每章的Python代码能够很好地帮助学习者进一步深刻理解原理, 掌握和拓展Python机器学习的应用实践。 |
| ● |
正题名：Python机器学习
索取号：TP312PY/63
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
1454068
|
214540683
|
十四楼书库/
[索取号:TP312PY/63]
|
在馆
|
架位导航
|
|
2
|
1454069
|
214540692
|
十四楼书库/
[索取号:TP312PY/63]
|
在馆
|
架位导航
|
|
3
|
1454070
|
214540709
|
十四楼书库/
[索取号:TP312PY/63]
|
在馆
|
架位导航
|
