机器

数据挖掘:实用机器学习工具与技术 原书第3版_数据库教程

资源名称:数据挖掘:实用机器学习工具与技术 原书第 版 内容简介: 大数据时代应用机器学习方法解决数据挖掘问题的实用指南。 洞察隐匿于大数据中的结构模式,有效指导数据挖掘实践和商业应用。 系统的主要开发者将丰富的研发、商业应用和教学实践的经验和技术融会贯通。 广泛覆盖在数据挖掘实践中采用的算法和机器学习技术,着眼于解决实际问题 避免过分要求理论基础和数学知识,重点在于告诉读者 如何去做 ,同时包括许多算法、代码以及具体实例的实现。 将所有的概念都建立在具体实例的基础之上,促使读者首先考虑使用简单的技术。如

Java机器学习 中文pdf

资源名称: 机器学习 中文 第 章 机器学习应用快速入门 第 章 面向机器学习的 库与第 章 基本算法 分类、回归第 章 利用集成方法预测客户关系第 章 关联分析第 章 使用 制作第 章 欺诈与异常检测第 章 利用 进行第 章 利用手机传感器进行第 章 利用 进行文本挖掘 第 章 机器学习进阶 资源截图:

斯坦福大学机器学习课程个人学习笔记 中文PDF_Python教程

资源名称:斯坦福大学机器学习课程个人学习笔记 中文 本报告是在学习斯坦福大学机器学习课程前四节加上配套的讲义后的总结与认识。前四 节主要讲述了回归问题,属于有监督学习中的一种方法。该方法的核心思想是从离散的统计 数据中得到数学模型,然后将该数学模型用于预测或者分类。该方法处理的数据可以是多维 的。 讲义最初介绍了一个基本问题,然后引出了线性回归的解决方法,然后针对误差问题做 了概率解释。 资源截图:

数据挖掘实用机器学习技术(中文第二版)_数据库教程

资源名称:数据挖掘实用机器学习技术 中文第二版 内容简介: 《数据挖掘实用机器学习技术 原书第 版 》介绍数据挖掘的基本理论与实践方法。主要内容包括:各种模型 决策树、关联规则、线性模型、聚类、贝叶斯网以及神经网络 以及在实践中的运用,所存在缺陷的分析。安全地清理数据集、建立以及评估模型的预测质量的方法,并且提供了一个公开的数据挖掘工作平台 。 系统拥有进行数据挖掘任务的图形用户界面,有助于理解模型,是一个实用并且深受欢迎的工具。 资源截图:

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

解析Java虚拟机器开发:权衡优化、高校和安全的最优方案 PDF

资源名称:解析 虚拟机器开发:权衡优化、高校和安全的最优方案 解析 虚拟机开发--权衡优化高效和安全的最优方案细致分析了 虚拟机开发的基本知识,为读者权衡出优化、高效和安全的最优方案。本书内容新颖、知识全面、讲解详细,全书分为 章,第 章讲解一起走进 世界的基本知识;第 章讲解 编译测试的基础知识;第 章讲解安全性考虑的核心知识;第 章讲解通过网络实现移动性的知识;第 章浅谈 虚拟机内部机制的基础知识;第 章深入分析 文件的核心知识;第 章详细讲解栈和局部变量操作的知识;第 章深入详解内存异常和垃圾处理的

Python机器学习 预测分析核心算法 中文pdf_Python教程

资源名称: 机器学习 预测分析核心算法 中文 第 章 关于预测的两类核心 第 章 通过理解数据来了解 第 章 预测模型的构建:平衡性 第 章 惩罚线性回归模型第 章 使用惩罚线性方法来 第 章 集成方法第 章 用 构建集成 资源截图:

机器学习与数据挖掘:方法和应用_数据库教程

资源名称:机器学习与数据挖掘:方法和应用 内容简介: 本书分为 个部分,共 章,较为全面地介绍了机器学习的基本概念,并讨论了数据挖掘和知识发现中的有关问题及多策略学习方法,具体地阐述了机器学习与数据挖掘在工程设计,文本、图像和音乐,网页分析、计算机病毒和计算机控制,医疗诊断、生物医疗信号分析和水质分析中的生物信号处理等方面的应用情况。 本书收集众多不同领域中数据挖掘的实际案例,以此来说明数据挖掘的具体解决方法,以期为广大读者提供一个更为广阔的数据挖掘应用视角。 本书的读者,可以是任何对机器学习与数据挖掘感