《机器学习与数据挖掘》内容简介与阅读建议

获取这本书 暂无已核验电子书资源
下载
作者
王璐烽，唐腾健
分类
科技技术
出版年份
2023
出版社
人民邮电出版社
页数
190 页
语言
中文
机器学习数据挖掘项目实践计算机类

《机器学习与数据挖掘》内容简介

本书以项目实践作为主线，结合必需的理论知识，以任务的形式进行内容设计，每个任务都包含任务描述及任务实施的步骤，读者按照实施步骤进行操作就可以完成相应的学习任务，从而不断提升项目实践能力。本书主要内容涉及机器学习的基础知识，模型评估与选择，回归、分类、聚类等机器学习算法，数据挖掘的基础知识，数据分析与应用，以及通过用户行为分析预测项目学习如何将机器学习与数据挖掘应用到实际中。

《机器学习与数据挖掘》书籍信息摘要

《机器学习与数据挖掘》内容简介与阅读建议，作者 王璐烽，唐腾健，科技技术，2023年。获取前建议核对作者、出版社、年份、ISBN、版本和正版渠道。相关主题：机器学习、数据挖掘、项目实践、计算机类。

《机器学习与数据挖掘》适合哪些读者？

适合希望系统学习技术概念、实践方法、工具使用和行业知识的读者。

查看 王璐烽，唐腾健 的作品顺序 浏览科技技术书籍 查看“机器学习”相关书籍 读完这本读什么 查看书籍排行榜

获取建议

《机器学习与数据挖掘》怎么获取更合适？

优先确认版本和阅读目的；下载区只展示已核验的公版、授权、开放许可或官方试读资源。

下载

暂无已核验电子书资源；本站不展示未授权完整文件。

下载

版本

优先选择作者、译者、出版社、出版年份和 ISBN 信息明确的版本；经典作品可优先选择校注、导读或权威出版社版本。

目录

  1. 项目1 初识机器学习1
  2. 任务1 学习机器学习的理论2
  3. 【任务描述】2
  4. 【任务目标】2
  5. 【知识链接】2
  6. 【任务实施】3
  7. 任务2 软件的安装与使用8
  8. 【任务描述】8
展开全部（共 193 章节）
  1. 【任务目标】8
  2. 【知识链接】8
  3. 【任务实施】9
  4. 项目小结16
  5. 思考与练习17
  6. 项目2 模型评估与选择19
  7. 任务1 学习过拟合与欠拟合20
  8. 【任务描述】20
  9. 【任务目标】20
  10. 【知识链接】20
  11. 【任务实施】24
  12. 任务2 学习评估方法25
  13. 【任务描述】25
  14. 【任务目标】26
  15. 【知识链接】26
  16. 【任务实施】27
  17. 任务3 学习性能度量与检验29
  18. 【任务描述】29
  19. 【任务目标】29
  20. 【知识链接】30
  21. 【任务实施】38
  22. 项目小结39
  23. 项目拓展40
  24. 思考与练习41
  25. 项目3 回归算法与应用43
  26. 任务1 学习回归预测问题44
  27. 【任务描述】44
  28. 【任务目标】44
  29. 【知识链接】44
  30. 【任务实施】45
  31. 任务2 学习线性回归46
  32. 【任务描述】46
  33. 【任务目标】46
  34. 【知识链接】46
  35. 【任务实施】48
  36. 任务3 学习Lasso回归52
  37. 【任务描述】52
  38. 【任务目标】52
  39. 【知识链接】52
  40. 【任务实施】53
  41. 任务4 学习神经网络55
  42. 【任务描述】55
  43. 【任务目标】55
  44. 【知识链接】55
  45. 【任务实施】57
  46. 任务5 学习逻辑斯谛回归59
  47. 【任务描述】59
  48. 【任务目标】59
  49. 【知识链接】59
  50. 【任务实施】60
  51. 项目小结63
  52. 项目拓展64
  53. 思考与练习64
  54. 项目4 分类算法与应用66
  55. 任务1 学习分类问题67
  56. 【任务描述】67
  57. 【任务目标】67
  58. 【知识链接】67
  59. 【任务实施】67
  60. 任务2 学习支持向量机69
  61. 【任务描述】69
  62. 【任务目标】69
  63. 【知识链接】69
  64. 【任务实施】71
  65. 任务3 学习朴素贝叶斯分类74
  66. 【任务描述】74
  67. 【任务目标】74
  68. 【知识链接】74
  69. 【任务实施】75
  70. 任务4 学习kNN算法77
  71. 【任务描述】77
  72. 【任务目标】77
  73. 【知识链接】78
  74. 【任务实施】79
  75. 任务5 学习决策树84
  76. 【任务描述】84
  77. 【任务目标】84
  78. 【知识链接】85
  79. 【任务实施】86
  80. 项目小结87
  81. 项目拓展88
  82. 思考与练习88
  83. 项目5 聚类算法与应用90
  84. 任务1 学习聚类问题91
  85. 【任务描述】91
  86. 【任务目标】91
  87. 【知识链接】91
  88. 【任务实施】91
  89. 任务2 学习K-means聚类92
  90. 【任务描述】92
  91. 【任务目标】92
  92. 【知识链接】92
  93. 【任务实施】93
  94. 任务3 学习密度聚类95
  95. 【任务描述】95
  96. 【任务目标】95
  97. 【知识链接】95
  98. 【任务实施】96
  99. 任务4 学习层次聚类98
  100. 【任务描述】98
  101. 【任务目标】98
  102. 【知识链接】99
  103. 【任务实施】100
  104. 任务5 学习主成分分析102
  105. 【任务描述】102
  106. 【任务目标】102
  107. 【知识链接】102
  108. 【任务实施】103
  109. 任务6 进行聚类效果评测105
  110. 【任务描述】105
  111. 【任务目标】105
  112. 【知识链接】105
  113. 【任务实施】106
  114. 项目小结109
  115. 项目拓展110
  116. 思考与练习110
  117. 项目6 机器学习应用112
  118. 任务1 学习MNIST数字分类113
  119. 【任务描述】113
  120. 【任务目标】113
  121. 【知识链接】113
  122. 【任务实施】113
  123. 任务2 学习泰坦尼克号生存计划118
  124. 【任务描述】118
  125. 【任务目标】119
  126. 【任务实施】119
  127. 任务3 进行房价预测127
  128. 【任务描述】127
  129. 【任务目标】127
  130. 【任务实施】127
  131. 项目小结136
  132. 项目拓展136
  133. 思考与练习136
  134. 项目7 数据挖掘138
  135. 任务1 学习数据挖掘的概念139
  136. 【任务描述】139
  137. 【任务目标】139
  138. 【知识链接】139
  139. 【任务实施】139
  140. 任务2 学习数据挖掘的应用142
  141. 【任务描述】142
  142. 【任务目标】142
  143. 【知识链接】142
  144. 【任务实施】143
  145. 任务3 学习数据挖掘的模型147
  146. 【任务描述】147
  147. 【任务目标】148
  148. 【知识链接】148
  149. 【任务实施】148
  150. 项目小结156
  151. 项目拓展156
  152. 思考与练习156
  153. 项目8 数据分析与应用158
  154. 任务1 学习数据分析的概念159
  155. 【任务描述】159
  156. 【任务目标】159
  157. 【任务实施】159
  158. 任务2 学习关联规则算法及
  159. 应用161
  160. 【任务描述】161
  161. 【任务目标】161
  162. 【知识链接】162
  163. 【任务实施】163
  164. 任务3 进行银行信贷预测165
  165. 【任务描述】165
  166. 【任务目标】165
  167. 【任务实施】166
  168. 任务4 使用WEKA软件进行
  169. 房屋定价171
  170. 【任务描述】171
  171. 【任务目标】172
  172. 【知识链接】172
  173. 【任务实施】172
  174. 项目小结179
  175. 项目拓展179
  176. 思考与练习180
  177. 项目9 淘宝用户行为分析预测181
  178. 【项目描述】182
  179. 【项目目标】182
  180. 【知识链接】182
  181. 【项目实施】183
  182. 项目小结189
  183. 项目拓展190
  184. 思考与练习190
  185. 参考文献191

常见问题

《机器学习与数据挖掘》适合谁读？

适合希望系统学习技术概念、实践方法、工具使用和行业知识的读者。

《机器学习与数据挖掘》阅读难度高吗？

建议先看简介、目录、作者和相关书籍，再判断是否适合当前阶段阅读。

《机器学习与数据挖掘》纸质书值得买吗？

当前暂未接入已核验的纸质书购买链接，建议通过出版社、京东、当当等正版渠道核对版本后购买。

《机器学习与数据挖掘》哪个版本更适合？

优先选择作者、译者、出版社、出版年份和 ISBN 信息清楚的版本；经典作品可优先选择校注、导读或权威出版社版本。

在哪里可以合法获取《机器学习与数据挖掘》？

当前没有确认授权的电子书下载资源，也暂未接入已核验购买链接；商业出版物不提供未授权下载，建议通过出版社、京东、当当或官方电子书平台核对获取。

如何继续查找《机器学习与数据挖掘》相关书籍？

可以进入 王璐烽，唐腾健 作者页查看其他作品，也可以通过分类、标签、排行榜、人工推荐和“读完这本还可以读”继续发现相近主题。

相关书籍
人工智能（第3版）

人工智能（第3版）

[美]史蒂芬·卢奇（StephenLucci）/[美]丹尼·

★ 8.9 科技技术
机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第3版）

机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第3版）

[法]奥雷利安·杰龙（AurélienGéron）

★ 8.5 科技技术
Python机器学习算法

Python机器学习算法

赵志勇

★ 6.6 科技技术
人工智能中的数学之美

人工智能中的数学之美

阿尼尔·阿南塔斯瓦米

科技技术
机器学习经典算法剖析：基于OpenCV

机器学习经典算法剖析：基于OpenCV

[中]赵春江

科技技术
机器学习基础

机器学习基础

刘胜蓝/闫刚

科技技术

手机扫码下载

使用手机扫描二维码

扫码后会直接打开下载链接。

电子书下载二维码

手机端点击下载会直接跳转，无需扫码。