书目信息 |
| 题名： |
利用Python实现概率、统计及机器学习方法
|
|
| 作者： | 安平科 著 ；马羚 ， 刘瑜 ， 杨林 译 | |
| 分册： | ||
| 出版信息： | 北京 机械工业出版社 2023.01 |
|
| 页数： | XI, 301页 | |
| 开本： | 24cm | |
| 丛书名： | 数据分析与决策技术丛书 | |
| 单 册： | ||
| 中图分类： | TP312 | |
| 科图分类： | ||
| 主题词： | 程序语言--cheng xu yu yan--程序设计 | |
| 电子资源： | ||
| ISBN： | 978-7-111-71773-7 | |
| 000 | 01813nam 2200325 450 | |
| 001 | 492923 | |
| 010 | @a978-7-111-71773-7@dCNY119.00 | |
| 100 | @a20220910d2023 em y0chiy50 ea | |
| 101 | 1 | @achi@ceng |
| 102 | @aCN@b110000 | |
| 105 | @aa z 000yy | |
| 106 | @ar | |
| 200 | 1 | @a利用Python实现概率、统计及机器学习方法@Ali yong Python shi xian gai lu^ 、 tong ji ji ji qi xue xi fang fa@f(美) 何塞·安平科著@d= Python for probability, statistics, and machine learning@fJose Unpingco@g马羚, 刘瑜, 杨林译@zeng |
| 210 | @a北京@c机械工业出版社@d2023.01 | |
| 215 | @aXI, 301页@c图@d24cm | |
| 225 | 2 | @a数据分析与决策技术丛书@Ashu ju fen xi yu jue ce ji shu cong shu |
| 305 | @a据原书第2版译出 | |
| 314 | @a何塞·安平科, 他于1997年在加州大学圣地亚哥分校获得博士学位, 此后担任工程师、顾问和讲师, 从事各种高级数据处理和分析研究, 在机器学习和统计学方面拥有丰富的经验。 | |
| 330 | @a本书针对Python3.6+版本进行了全面更新, 涵盖了概率论、统计学和机器学习领域的关键思想, 并使用Python模块演示了这些领域的应用。作者通过多种分析方法和Python代码来处理有意义的示例, 开发了机器学习中的关键直觉, 从而将理论概念与具体实现联系起来 ; 还提供了某些重要结果的详细证明 ; 使用Pandas、Sympy、Scikit—learn、TensorFlow和Keras等流行的Python模块模拟和可视化了重要的机器学习概念 (如偏差与方差之间的权衡、交叉验证和正则化), 通过数值方法展示了许多抽象的数学思想, 例如概率论中的收敛性等。 | |
| 410 | 0 | @12001 @a数据分析与决策技术丛书 |
| 500 | 10 | @aPython for probability, statistics, and machine learning@mChinese |
| 606 | 0 | @a程序语言@Acheng xu yu yan@x程序设计 |
| 610 | 0 | @aPython |
| 690 | @aTP312@v5 | |
| 701 | 1 | @a安平科@Aan ping ke@g(Unpingco, Jose)@4著 |
| 702 | 0 | @a马羚@Ama ling@4译 |
| 702 | 0 | @a刘瑜@Aliu yu@4译 |
| 702 | 0 | @a杨林@Ayang lin@4译 |
| 801 | 0 | @aCN@c20220910 |
| 905 | @a河南城建学院图书馆@dTP312@eA675 | |
| 利用Python实现概率、统计及机器学习方法/(美) 何塞·安平科著= Python for probability, statistics, and machine learning/Jose Unpingco/马羚, 刘瑜, 杨林译.-北京：机械工业出版社，2023.01 |
| XI, 301页：图；24cm.-(数据分析与决策技术丛书) |
| ISBN 978-7-111-71773-7：CNY119.00 |
| 本书针对Python3.6+版本进行了全面更新, 涵盖了概率论、统计学和机器学习领域的关键思想, 并使用Python模块演示了这些领域的应用。作者通过多种分析方法和Python代码来处理有意义的示例, 开发了机器学习中的关键直觉, 从而将理论概念与具体实现联系起来 ; 还提供了某些重要结果的详细证明 ; 使用Pandas、Sympy、Scikit—learn、TensorFlow和Keras等流行的Python模块模拟和可视化了重要的机器学习概念 (如偏差与方差之间的权衡、交叉验证和正则化), 通过数值方法展示了许多抽象的数学思想, 例如概率论中的收敛性等。 |
| ● |
| 相关链接 |
|
|
|
正题名：利用Python实现概率、统计及机器学习方法
索取号：TP312/A675
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 1600350 | 216003508 | 自科库301/301自科库 51排7列1层/ [索取号:TP312/A675] | 在馆 |