机读格式显示(MARC)

• 000 01919nam 2200349 450

• 001 0000446078

• 005 20231121152700.0

• 010 __ |a 978-7-111-71773-7 |d CNY119.00

• 100 __ |a 20230210d2023 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 利用Python实现概率、统计及机器学习方法 |A li yong Python shi xian gai lv 、tong ji ji ji qi xue xi fang fa |f (美) 何塞·安平科著 |d = Python for probability, statistics, and machine learning |f Jose Unpingco |g 马羚, 刘瑜, 杨林译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2023

• 215 __ |a xi, 301页 |c 图 |d 24cm

• 225 2_ |a 数据分析与决策技术丛书 |A shu ju fen xi yu jue ce ji shu cong shu

• 305 __ |a 译自原书第2版

• 306 __ |a 本书中文简体字版由Springer授权机械工业出版社独家出版

• 314 __ |a 何塞·安平科, (Jose Unpingco), 他于1997年在加州大学圣地亚哥分校获得博士学位, 此后担任工程师、顾问和讲师。

• 320 __ |a 有书目

• 330 __ |a 本书针对Python 3.6+版本进行了全面更新, 涵盖了概率论、统计学和机器学习领域的关键思想, 并使用Python模块演示了这些领域的应用。作者通过多种分析方法和Python代码来处理有意义的示例, 开发了机器学习中的关键直觉, 从而将理论概念与具体实现联系起来; 还提供了某些重要结果的详细证明; 使用Pandas、Sympy、Scikit-learn、TensorFlow和Keras等流行的Python模块模拟和可视化了重要的机器学习概念 (如偏差与方差之间的权衡、交叉验证和正则化), 通过数值方法展示了许多抽象的数学思想, 例如概率论中的收敛性等。

• 410 _0 |1 2001 |a 数据分析与决策技术丛书

• 500 10 |a Python for probability, statistics, and machine learning |A Python For Probability, Statistics, And Machine Learning |m Chinese

• 606 0_ |a 软件工具 |A ruan jian gong ju |x 程序设计

• 690 __ |a TP311.561 |v 5

• 701 _1 |a 安平科 |A an ping ke |g (Unpingco, Jose) |4 著

• 702 _0 |a 马羚 |A ma ling |4 译

• 702 _0 |a 刘瑜 |A liu yu |4 译

• 702 _0 |a 杨林 |A yang lin |4 译

• 801 _0 |a CN |b 湖北三新 |c 20230210

• 905 __ |a AUSTL |d TP311.561/A622