Ta上传的资源 (0)

机器学习是人工智能研究领域中的一个极其重要的方向。在现今大数据时代的背景下捕获数据并从中萃取有价值的信息或模式使得这一过去为分析师与数学家所专属的研究领域越来越为人们瞩目。本书通过精心排的实例切入日常工作任务摒弃学术化语言利用高效可复用的Python代码阐释如何处理统计数据进行数据分析及可视化。读者

目录1过程型程序设计快速入门2数据类型3组合类型4控制结构与函数5模块6OOP7文件处理8高级程序设计技术8.1FP9调试、测试与Profiling10进程与线程11网络12数据库13正则表达式14分析简介14.1PyParsing14.2PLY15GUI

第一部分　分类第1章　机器学习基础　　21.1　何谓机器学习　　31.1.1　传感器和海量数据　　41.1.2　机器学习非常重要　　51.2　关键术语　　51.3　机器学习的主要任务　　71.4　如何选择合适的算法　　81.5　开发机器学习应用程序的步骤　　91.6　Python语言的优势　　101

《数据挖掘：实用案例分析》共12章，分三个部分。第一部分是基础篇（第1～4章），主要对数据挖掘的基本概念、应用分类、建模方法及常用的建模工具进行了介绍，并对本书所用到的数据挖掘建模平台TipDM进行了说明。第二部分是实战篇（第5～10章），以案例的形式对数据挖掘技术在金融、电信、电力、互联网、生产制

包括一些基本的矩阵向量求导本文的目标读者是想快速掌握矩阵、向量求导法则的学习者，主要面向矩阵、向量求导在机器学习中的应用。因此，本教程而非一份严格的数学教材，而是希望帮助读者尽快熟悉相关的求导方法并在实践中应用。另外，本教程假定读者熟悉一元函数的求导