机器

机器学习 (周志华 著) 学习笔记 中文完整高清版_Python教程

资源名称:机器学习 周志华 著 学习笔记 中文完整高清版 第 章 引言 基本术 假设空间 归纳偏好 发展历程 应用现状 阅读材料 习题 参考文献 休息一会儿 第 章 模型评估与选择 经验误差与过拟合 评估方法 留出法 交叉验证法 自助法 调参与最终模型 性能度量 错误率与精度 查准率、查全率与 与 代价敏感错误率与代价曲线 比较检验 假设检验 交叉验证 检验 检验 检验与后续检验 偏差与方差 阅读材料 习题 参考文献 休息一会儿 第 章 线性模型 基本形式 线性回归 对数几率回归 线性判别分析 多分类学习

Python+Spark 2.0+Hadoop机器学习与大数据实战

资源名称: 机器学习与大数据实战 内容简介: 本书从浅显易懂的 大数据和机器学习 原理说明入手,讲述大数据和机器学习的基本概念,如分类、分析、训练、建模、预测、机器学习(推荐引擎)、机器学习(二元分类)、机器学习(多元分类)、机器学习(回归分析)和数据可视化应用等。书中不仅加入了新近的大数据技术,还丰富了 机器学习 内容。 为降低读者学习大数据技术的门槛,书中提供了丰富的上机实践操作和范例程序详解,展示了如何在单机 系统上通过 虚拟机安装多机 虚拟机,如何建立 集群,再建立 开发环境。书中介绍搭建的上机实

Spark MLlib机器学习:算法、源码及实战详解

资源名称: 机器学习 算法、源码及实战详解 内容简介: 《 机器学习:算法、源码及实战详解》以 版本源码为切入点,全面并且深入地解析 模块,着力于探索分布式机器学习的底层实现。 《 机器学习:算法、源码及实战详解》中本着循序渐进的原则,首先解析 的底层实现基础:数据操作及矩阵向量计算操作,该部分是 实现的基础;接着对各个机器学习算法的理论知识进行讲解,并且解析机器学习算法如何在 中实现分布式计算;然后对 源码进行详细的讲解;最后进行 实例的讲解。相信通过《 机器学习:算法、源码及实战详解》的学习,读者可全

Python机器学习算法 赵志勇 中文pdf_Python教程

资源名称: 机器学习算法 赵志勇 中文 第一部分分类算法 支持向量机 随机森林 神经网络 第二部分回归算法 线性回归 岭回归和 回归 树回归 第三部分聚类算法 第四部分推荐算法 协同过滤算法 基于矩阵分解的推荐算法 基于图的推荐算法 文献 第五部分深度学习 卷积神经网络 第六部分项目实践 微博精准推荐 资源截图:

Spark MLlib机器学习实践(第2版)

资源名称: 机器学习实践(第 版) 内容简介: 作为新兴的、应用范围 为广泛的大数据处理开源框架引起了广泛的关注,它吸引了大量程序设计和开发人员进行相关内容的学习与开发,其中 是 框架使用的核心。本书是一本细致介绍 程序设计的图书,入门简单,示例丰富。 本书分为 章,从 基础安装和配置开始,依次介绍 程序设计基础、 的数据对象构建、 中 使用介绍,各种分类、聚类、回归等数据处理方法, 后还通过一个完整的实例,回顾了前面的学习内容,并通过代码实现了一个完整的分析过程。 本书理论内容由浅而深,采取实例和理论相

Python机器学习实践指南_Python教程

资源名称: 机器学习实践指南 内容简介: 机器学习是近年来渐趋热门的一个领域,同时 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。本书结合了机器学习和 语言两个热门的领域,通过利用两种核心的机器学习算法来将 语言在数据分析方面的优势发挥到极致。 全书共有 章。第 章讲解了 机器学习的生态系统,剩余 章介绍了众多与机器学习相关的算法,包括各类分类算法、数据可视化技术、推荐引擎等,主要包括机器学习在公寓、机票、 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。 本书适合 程序

NLTK基础教程 用NLTK和Python库构建机器学习应用 完整pdf_Python教程

资源名称: 基础教程 用 和 库构建机器学习应用 完整 第 章自然语言处理简介 为什么要学习 先从 开始吧 列表 自助功能 正则表达式 字典 编写函数 向 迈进 练习 小结 第 章文本的歧义及其清理 何谓文本歧义 文本清理 语句分离器 标识化处理 词干提取 词形还原 停用词移除 罕见词移除 拼写纠错 练习 小结 第 章词性标注 何谓词性标注 标注器 深入了解标注器 顺序性标注器 标注器 基于机器学习的标注器 命名实体识别( ) 练习 小结 第 章文本结构解析 浅解析与深解析 两种解析方法 为什么需要进行解

Python机器学习经典实例_Python教程

资源名称: 机器学习经典实例 内容简介: 在如今这个处处以数据驱动的世界中,机器学习正变得越来越大众化。它已经被广泛地应用于不同领域,如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识,然后介绍一些稍微复杂的机器学习算法,例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络,等等。 本书是为想用机器学习算法开发应用程序的 程序员准备的。它适合 初学者阅读,不过熟悉 编程方法对体验示例代码大有裨益。 作者简介: 作者简介: 人工智能专家,重点关注基于内容的分析

Python机器学习——预测分析核心算法_Python教程

资源名称: 机器学习 预测分析核心算法 内容简介: 在学习和研究机器学习的时候,面临令人眼花缭乱的算法,机器学习新手往往会不知 所措。本书从算法和 语言实现的角度,帮助读者认识机器学习。 书专注于两类核心的 算法族 ,即惩罚线性回归和集成方法,并通过代码实例来 展示所讨论的算法的使用原则。全书共分为 章,详细讨论了预测模型的两类核心算法、预测模型的构建、惩罚线性回归和集成方法的具体应用和实现。 本书主要针对想提高机器学习技能的 开发人员,帮助他们解决某一特定的项 目或是提升相关的技能。 作者简介: 在硅谷