| 字段 | 字段内容 |
|---|---|
| 001 | 01h0068696 |
| 005 | 20140225102134.0 |
| 010 | $a: 978-7-111-41731-6$d: CNY69.00 |
| 100 | $a: 20140223d2014 em y0chiy0121 ea |
| 101 | $a: chi |
| 102 | $a: CN$b: 110000 |
| 105 | $a: y z 000yy |
| 106 | $a: r |
| 200 | $a: 机器学习$e: 实用案例解析$f: Drew Conway，John Myles White著$g: 陈开江，刘逸哲，孟晓楠译 |
| 210 | $a: 北京$c: 机械工业出版社$d: 2013.03 |
| 215 | $a: 288页$d: 24cm |
| 300 | $a: 华章科技 |
| 330 | $a: 本书比较全面系统地介绍了机器学习的方法和技术，不仅详细阐述了许多经典的学习方法，还讨论了一些有生命力的新理论、新方法。全书案例既有分类问题，也有回归问题；既包含监督学习，也涵盖无监督学习。本书讨论的案例从分类讲到回归，然后讨论了聚类、降维、最优化问题等。这些案例包括分类：垃圾邮件识别，排序：智能收件箱，回归模型：预测网页访问量，正则化：文本回归，最优化：密码破解，无监督学习：构建股票市场指数，空间相似度：用投票记录对美国参议员聚类，推荐系统：给用户推荐R语言包，社交网络分析：在Twitter上感兴趣的人，模型比较：给你的问题找到最佳算法。各章对原理的叙述力求概念清晰、表达准确，突出理论联系实际，富有启发性，易于理解。在探索这些案例的过程中用到的基本工具就是R统计编程语言。R语言非常适合用于机器学习的案例研究，因为它是一种用于数据分析的高水平、功能性脚本语言。 本书可作为高等院校计算机、自动化、电子和通信等专业研究生和高年级本科生的参考书。本书内容对从事人工智能、机器学习、数据挖掘、模式识别等相关领域研究的科技人员具有较好的参考价值。 |
| 517 | $a: 实用案例解析 |
| 606 | $a: 机器学习 |
| 690 | $a: TP181$v: 5 |
| 701 | $a: John Myles White$4: 著 |
| 801 | $a: CN$b: XIPT$c: 20140223 |
| 905 | $d: TP181$r: CNY69.00$e: 5 |
北京创讯未来软件技术有限公司 版权所有 ALL RIGHTS RESERVED 京ICP备 09032139
欢迎第9332513位用户访问本系统