书目信息 |
| 题名： |
机器学习入门
|
|
| 作者： | 戴璞微 ， 潘斌 著 | |
| 分册： | ||
| 出版信息： | 北京 北京大学出版社 2019 |
|
| 页数： | 280页 | |
| 开本： | 26cm | |
| 丛书名： | ||
| 单 册： | ||
| 中图分类： | TP181 | |
| 科图分类： | ||
| 主题词： | 机器学习 | |
| 电子资源： | ||
| ISBN： | 978-7-301-30897-4 | |
| 000 | 01310nam0 2200277 450 | |
| 001 | 2025485798 | |
| 005 | 20201007070516.08 | |
| 010 | @a978-7-301-30897-4@dCNY69.00 | |
| 049 | @aO440105GDY@bUCS01009912495@c3003986381 | |
| 100 | @a20200428d2019 em y0chiy0110 ea | |
| 101 | 0 | @achi |
| 102 | @aCN@b110000 | |
| 105 | @ay z 000yy | |
| 200 | 1 | @a机器学习入门@9ji qi xue xi ru men@b专著@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@d2019 | |
| 215 | @a280页@d26cm | |
| 312 | @a封面英文题名：Machine learning | |
| 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，因此本书着重深入浅出地对机器学习算法的相关原理进行了严谨的数学推导。并利用Python 3对各种机器学习算法进行复现，并在各种数据集上进行实战。内容包括：第1章 机器学习及其数学基础，第2章 线性回归，第3章 局部加权线性回归，第4章 Logistic回归与Softmax回归，第5章 模型评估与优化，第6章 BP神经网络，第7章 K-Means聚类算法，第8章 高斯混合模型，第9章 主成分分析。 | |
| 510 | 1 | @aMachine learning@zeng |
| 517 | 1 | @a基于数学原理的Python实战@9ji yu shu xue yuan li de Python shi zhan |
| 606 | 0 | @a机器学习 |
| 690 | @aTP181@v5 | |
| 701 | 0 | @a戴璞微@9dai pu wei@4著 |
| 701 | 0 | @a潘斌@9pan bin@4著 |
| 801 | 2 | @aCN@bO440105GDY@c20200428 |
| 905 | @a241250@dTP181@e58 | |
| 机器学习入门：基于数学原理的Python实战/戴璞微，潘斌著.-北京：北京大学出版社，2019 |
| 280页；26cm |
| ISBN 978-7-301-30897-4：CNY69.00 |
| 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，因此本书着重深入浅出地对机器学习算法的相关原理进行了严谨的数学推导。并利用Python 3对各种机器学习算法进行复现，并在各种数据集上进行实战。内容包括：第1章 机器学习及其数学基础，第2章 线性回归，第3章 局部加权线性回归，第4章 Logistic回归与Softmax回归，第5章 模型评估与优化，第6章 BP神经网络，第7章 K-Means聚类算法，第8章 高斯混合模型，第9章 主成分分析。 |
| ● |
| 相关链接 |
正题名：机器学习入门
索取号：TP181/58
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 1872024 | 218720249 | 样本书库/4110520203/ [索取号:TP181/58] | 在馆 | |
| 2 | 1872025 | 218720258 | 新区/5100080502/ [索取号:TP181/58] | 在馆 | |
| 3 | 1872026 | 218720267 | 新区/5100080502/ [索取号:TP181/58] | 在馆 |