机读格式显示(MARC)

• 000 01820nam0 2200289 450

• 001 0000336687

• 005 20200910095900.0

• 010 __ |a 978-7-301-30897-4 |d CNY69.00

• 100 __ |a 20200428d2019 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a 机器学习入门 |A ji qi xue xi ru men |e 基于数学原理的Python实战 |f 戴璞微, 潘斌著

• 210 __ |a 北京 |c 北京大学出版社 |d 2019

• 215 __ |a 280页 |c 图 |d 26cm

• 312 __ |a 英文并列题名取自封面

• 314 __ |a 戴璞微, 中国民航大学硕士, CSDN博客专家。曾获得全国大学生数学竞赛国家一等奖、北美数学建模二等奖, 参与国家自然科学基金项目1项。对计算机视觉、机器学习和深度学习有深入研究。潘斌, 浙江大学应用数学系博士, 现任辽宁石油化工大学理学院副院长。2018年入选辽宁省“兴辽英才计划”青年拔尖人才, 2016年主持国家自然科学基金青年基金项目1项; 2015年主持辽宁省自然科学基金项目1项; 2016年主持浙江大学CAD&CG国家重点实验室开放课题2项。近年来, 指导本科生获全国大学生数学建模竞赛国家一等奖。

• 330 __ |a 机器学习是一门涉及高等数学、线性代数、概率论、统计学和运筹学等领域的交叉学科。机器学习的基础就是数学, 这也就要求学习者要有良好的数学基础。为了降低机器学习的学习门槛, 本书深入浅出地对机器学习算法的数学原理进行了严谨的推导; 并利用Python 3对各种机器学习算法进行复现, 还利用介绍的算法在相应数据集上进行实战。本书主要内容包括机器学习及其数学基础; 线性回归、局部加权线性回归两种回归算法; Logistic回归、Softmax回归和BP神经网络3种分类算法; 模型评估与优化; K-Means聚类算法、高斯混合模型两种聚类算法和一种降维算法--主成分分析。

• 510 1_ |a Machine learning |z eng

• 517 1_ |a 基于数学原理的Python实战 |A Ji Yu Shu Xue Yuan Li De Python Shi Zhan

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 戴璞微 |A dai pu wei |4 著

• 701 _0 |a 潘斌 |A pan bin |4 著

• 801 _0 |a CN |b 湖北三新 |c 20200428

• 905 __ |a AUSTL |d TP181/D635