|
000
|
01659nam0 2200325 450
|
|
001
|
011025154620
|
|
005
|
20221025154620.0
|
|
010
|
|
@a978-7-111-70600-7@dCNY149.00
|
|
100
|
|
@a20201004d2022 em y0chiy0120 ea
|
|
101
|
1
|
@achi@ceng
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aa z 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@a机器学习Python版@Aji qi xue xi Pythonban@dMachine learning with Python for everyone@f(美) 马克·E. 芬纳(Mark E. Fenner) 著@g江红, 余青松, 余靖译@zeng
|
|
210
|
|
@a北京@c机械工业出版社@d2022.07
|
|
215
|
|
@a18, 482页@c图@d24cm
|
|
300
|
|
@a华章科技Pearson
|
|
305
|
|
@aPearson Education授权出版
|
|
330
|
|
@a本书包括四个部分，第一部分(第1章到第4章)，阐述有关机器学习的基本概念，重点阐述基本分类器和回归器的构建、训练和评估；第二部分(第5章到第7章)，阐述机器学习系统的通用评估技术，并使用通用评估技术对基本分类器和回归器进行性能评估；第三部分(第8章到第11章)，阐述机器学习系统的重要学习技术工具库，如其他分类和回归技术、特征工程。第11章讨论了如何构建机器学习管道，以及通过调整超参数改进机器学习系统的性能；第四部分(第12章到第15章)，主要介绍机器学习的最新技术，包括组合机器学习模型、自动化特征工程模型，并将机器学习应用于图像和文本两个特定领域。第15章介绍了神经网络和图形模型这两个机器学习前沿技术。
|
|
510
|
1
|
@aMachine learning with Python for everyone@zeng
|
|
606
|
0
|
@a机器学习@Aji qi xue xi
|
|
606
|
0
|
@a软件工具@Aruan jian gong ju@x程序设计
|
|
610
|
0
|
@aPython@APython
|
|
690
|
|
@aTP181@v5
|
|
690
|
|
@aTP181@v5
|
|
701
|
0
|
@c(美)@a芬纳@Afen na@g(Fenner, Mark E.)@4著
|
|
702
|
0
|
@a江红@Ajiang hong@4译
|
|
702
|
0
|
@a余青松@Ayu qing song@4译
|
|
702
|
0
|
@a余靖@Ayu jing@4译
|
|
905
|
|
@a河南城建学院图书馆@dTP181@eM081
|
|
|
|
|
| |
| 机器学习Python版=Machine learning with Python for everyone/(美) 马克·E. 芬纳(Mark E. Fenner) 著/江红, 余青松, 余靖译.-北京：机械工业出版社，2022.07 |
| 18, 482页：图；24cm |
| 华章科技Pearson |
| |
| ISBN 978-7-111-70600-7：CNY149.00 |
| 本书包括四个部分，第一部分(第1章到第4章)，阐述有关机器学习的基本概念，重点阐述基本分类器和回归器的构建、训练和评估；第二部分(第5章到第7章)，阐述机器学习系统的通用评估技术，并使用通用评估技术对基本分类器和回归器进行性能评估；第三部分(第8章到第11章)，阐述机器学习系统的重要学习技术工具库，如其他分类和回归技术、特征工程。第11章讨论了如何构建机器学习管道，以及通过调整超参数改进机器学习系统的性能；第四部分(第12章到第15章)，主要介绍机器学习的最新技术，包括组合机器学习模型、自动化特征工程模型，并将机器学习应用于图像和文本两个特定领域。第15章介绍了神经网络和图形模型这两个机器学习前沿技术。 |
| ● |
正题名：机器学习Python版
索取号：TP181/M081
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
1591035
|
215910352
|
自科库301/301自科库 102排8列5层/
[索取号:TP181/M081]
|
在馆
|
|
