📚 网上馆配 · 在线荐购平台

内容简介：本书共有10个模块，第1~2个模块是实施机器学习任务前的概念介绍和环境准备，第3~8个模块结合案例介绍K-最近邻、线性回归和逻辑回归、决策树、贝叶斯模型、支持向量机、K-平均值等机器学习算法及模型，第9、10个模块分别介绍了结合多分类器的集成学习方法和源自神经网络模型的深度学习算法。从第3个模块开始，每个模块至少包含3个案例，涵盖数据清洗、数据转换、模型训练、模型评估、结果可视化等大数据和人工智能技术。