白话机器学习算法

与使用数学语言或计算机编程语言讲解算法的书不同，本书另辟蹊径，用通俗易懂的人类语言以及大量有趣的示例和插图讲解10多种前沿的机器学习算法。内容涵盖k均值聚类、主成分分析、关联规则、社会网络分析等无...

多维粒子群优化在机器学习与模式识别中的应用

Spark MLlib机器学习实践

本书分为12章，详细介绍Spark MLLib大数据处理和分析的方法和技巧。本书从Spark基础开始，依次介绍MLLib基础，MLLib中RDD详解，MLLib基本概念，协同，过滤算法，线性回归，分类，决策树与保序回归，聚类，关联规则，数据降维，特......

机器学习基础 原理、算法与实践

本书主要介绍机器学习的基础算法，采用MATLAB编程实现各个算法。主要内容包括机器学习介绍、线性回归、逻辑回归、模型评估与选择、决策树、K-均值算法和EM、神经网络、K近邻和kd树、贝叶斯与文本分类、隐马...

机器学习与优化

本书是机器学习实战领域的一本佳作，从机器学习的基本概念讲起，旨在将初学者引入机器学习的大门，并走上实践的道路。本书通过讲解机器学习中的监督学习和无监督学习，并结合特征选择和排序、聚类方法、文本和网页...

机器学习项目开发实战 NET专家 F# 软件开发 智能机器人

本书教你学会利用简单的算法和技巧，构建更智能的.NET应用，从而可以让应用从数据中来自我学习。你可以利用自己熟悉的Visual Studio环境对项目编程，利用.NET环境下理想的F#语言来处理机器学习问题。如果你已经...

机器学习导论 2版

本书对机器学习的定义和应用实例进行了介绍，涵盖了监督学习、贝叶斯决策理论、参数方法、多元方法、维度归约、聚类、非参数方法、决策树、线性判别式、多层感知器、局部模型、隐马尔可夫模型、分类算法评估...

机器学习实践：测试驱动的开发方法

本书面技术开发人员、CTO和咨询顾问人员，介绍了机器学习的基本原理，涵盖了测试驱动的机器学习、机器学习概述、K近邻分类、朴素贝叶斯分类、隐马尔科夫模型、支持向量机、神经网络、聚类、核岭回归、模型改进...

大数据挖掘与统计机器学习

本课程的教学内容主要包括聚类、关联、降维、变量选择、分类与预测、集成算法、图模型与推荐系统等。每一部分都是本课程授课的主要内容，都力求深入浅出，精讲细讲，不光讲解各种方法的过程与原理，还要加强学生对...

Python机器学习与量化投资

本书采用生动活泼的语言，从入门者的角度，讲解Python语言和sklearn模块库，内置的各种经典机器学习算法，结合实盘交易数据，分析在金融量化方面的应用。书中大量简单风趣的实际案例，让广大初学者，快速掌握机器学习在....