机器
  1. 首页
  2. 机器

列表

Python机器学习实践指南_Python教程

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
网络资源 2025年08月27日
Spark MLlib机器学习实践（第2版）

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
网络资源 2025年08月27日
Python机器学习经典实例_Python教程

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
网络资源 2025年08月27日
Python机器学习 预测分析核心算法 中文pdf_Python教程

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：
网络资源 2025年08月27日
Python机器学习 完整pdf_Python教程

Python机器学习 完整pdf_Python教程

资源名称： 机器学习 完整 第 章 赋予计算机学习数据的能力 构建智能机器将数据转化为知识 机器学习的三种不同方法 通过监督学习对未来事件进行预测 通过强化学习解决交互式问题 通过无监督学习发现数据本身潜在的结构 基本术语及符号介绍 构建机器学习系统的蓝图 数据预处理 选择预测模型类型并进行训练 模型验证与使用未知数据进行预测 在机器学习中的应用 本章小结 第 章 机器学习分类算法 人造神经元 早期机器学习概览 使用 实现感知器学习算法 自适应线性神经元及其学习的收敛性 通过梯度下降最小化代价函数 使用
网络资源 2025年08月27日
Python+Spark 2.0+Hadoop机器学习与大数据实战

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
网络资源 2025年08月27日
Spark MLlib机器学习:算法、源码及实战详解

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
源码 2025年08月27日
图解机器学习完整版 （[日]杉山将） 中文

图解机器学习完整版 （[日]杉山将） 中文

资源名称：图解机器学习完整版 日 杉山将 中文 第 部分绪论 第 章什么是机器学习 第 章学习模型 第 部分有监督回归 第 章最小二乘学习法 第 章带有约束条件的最小二乘法 第 章稀疏学习 第 章鲁棒学习 第 部分有监督分类 第 章基于最小二乘法的分类 第 章支持向量机分类 第 章集成分类 第 章概率分类法 第 章序列数据的分类 第 部分无监督学习 第 章异常检测 第 章无监督降维 第 章聚类 第 部分新兴机器学习算法 第 章在线学习 第 章半监督学习 第 章监督降维 第 章迁移学习 第 章多任务学习 第
网络资源 2025年08月27日
NLTK基础教程 用NLTK和Python库构建机器学习应用 完整pdf_Python教程

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
网络资源 2025年08月27日