资源包括:High-Dimensional Data Analysis High-Dimensional Dimensional probabilityHigh-Dimensional Dimensional Statistics A Non-Asymptotic ViewpointMathematics for Machine LearningAlgebra, Topology, Differe...
第13章 集成学习和随机森林第12章 决策树第9章 逻辑回归第1章 欢迎来到 Python3 玩转机器学习第8章 多项式回归与模型泛化第10章 评价分类结果第11章 支撑向量机 SVM第14章 更多机器学习算法第5章 线性回归法第7章 PCA与梯度上升法第2章 机器学习基础第4章 最基础的分类算法-k近邻算法 kNN第3章 Jupyter Notebook, numpy和m第6章 梯度下降法第1章...
979.项目实战-4.12 表结构设计.mp4978.项目实战-4.11 熟悉易订货库操作.mp4977.项目实战-4.10 仓库管理系统需求编写04.mp4976.项目实战-4.9 仓库管理系统需求编写03.mp4975.项目实战-4.8 仓库管理系统需求编写02.mp4974.项目实战-4.7 仓库管理系统需求编写01.mp4973.项目实战-4.6 易订货仓库管理系统介绍03.mp4972....
资源名称:数据挖掘:实用机器学习工具与技术 原书第3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。weka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...
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5个部分,共18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...
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2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Weka。Weka系统拥有进行数据挖掘任务的图形用户界面,有...
资源名称:机器学习与R语言 资源截图:
资源名称:Spark MLlib机器学习实践(第2版)内容简介:Spark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MLlib是Spark框架使用的核心。本书是一本细致介绍Spark MLlib程序设计的图书,入门简单,示例丰富。 本书分为13章,从Spark基础安装和配置开始,依次介绍MLlib程序设计基础、ML...
资源名称:大数据时代的算法:机器学习、人工智能及其典型实例内容简介:《大数据时代的算法:机器学习、人工智能及其典型实例》介绍在互联网行业中经常涉及的算法,包括排序算法、查找算法、资源分配算法、路径分析算法、相似度分析算法,以及与机器学习相关的算法,包括数据分类算法、聚类算法、预测与估算算法、决策算法、关联规则分析算法及推荐算法。《大数据时代的算法:机器学习、人工智能及其典型实例》涉及的相关算法均为...
资源名称:Python+Spark 2.0+Hadoop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...