導覽
近期變更
隨機頁面
新手上路
新頁面
優質條目評選
繁體
不转换
简体
繁體
13.58.133.50
登入
工具
閱讀
檢視原始碼
特殊頁面
頁面資訊
求真百科歡迎當事人提供第一手真實資料,洗刷冤屈,終結網路霸凌。
檢視 Python机器学习技术 的原始碼
←
Python机器学习技术
前往:
導覽
、
搜尋
由於下列原因,您沒有權限進行 編輯此頁面 的動作:
您請求的操作只有這個群組的使用者能使用:
用戶
您可以檢視並複製此頁面的原始碼。
{| class="wikitable" align="right" |- |<center><img src=https://www0.kfzimg.com/sw/kfz-cos/kfzimg/aaaadaaa/b8c217984d801f6d_s.jpg width="260"></center> <small>[https://book.kongfz.com/561998/7340465911 来自 孔夫子网 的图片]</small> |} 《'''Python机器学习技术'''》,副标题:模型关系管理,丁亚军 著,出版社: 电子工业出版社。 电子工业出版社成立于1982年10月,是工业和信息化部直属的[[科技]]与教育出版社,每年出版新书2400余种,音像和电子出版物400余种,期刊8种,出版物内容涵盖了信息科技的各个专业分支以及工业技术、经济管理、大众生活、少儿[[科普]]<ref>[https://www.douban.com/group/topic/116170316/ 100部科普经典名著],豆瓣,2018-04-26</ref>等领域,综合出版能力位居全国出版行业前列<ref>[https://www.phei.com.cn/module/wap/about.jsp 关于我们],电子工业出版社</ref>。 ==内容简介== 本书的主体内容包括机器学习概念与特征工程、机器学习技术、模型关系管理,其中,模型关系管理部分主要介绍了弱集成学习、强集成学习和混合专家模型。弱集成学习是指使用机器学习中的弱分类器实现模型准确度和稳定性之间的平衡。强集成学习是指协同特征工程与强分类器形成强集成学习环境。混合专家[[模型]]是指通过神经网络集成和网络结构设计形成深度学习框架。 本书以案例分析为主线介绍不同的集成学习方法,首先阐述弱集成学习如何解决项目痛点问题,然后以痛点为起点,集中讨论强集成学习如何解构子项目问题,最后通过深度学习分析非结构化数据。在每个案例中,归因问题是分析的核心,提供了解析归因问题的一系列方法,以作者多年的项目经验为基础,展示Python数据分析的强大之处。 ==作者介绍== 丁亚军: 高级顾问 经管之家数据科学研究院荣誉专家 电子工业出版社大数据专家委员组评委 国内某咨询公司签约顾问 经管之家培训中心认证讲师 研究方向 商CRM[[数据]]挖掘 市场调查研究 工业产品质量监控 机器学习与数据挖掘 深度学习算法 银行风控与风险评分卡 ==参考文献== [[Category:040 類書總論;百科全書總論]]
返回「
Python机器学习技术
」頁面