思维导图备注

Python数据挖掘入门与实践 - [澳] Robert Layton

首页收藏书籍阅读记录

我的书签
添加书签移除书签

问题

浏览 2 扫码

小字体
中字体
大字体

2022-02-19 06:10:11

请登录再阅读

上一篇:

下一篇:

版权声明
译者序
前言
本书的阅读前提
本书的目标读者
排版约定
客户支持
下载示例代码
下载配套PDF文件
勘误表
侵权
问题
第 1 章开始数据挖掘之旅
1.1 数据挖掘简介
1.2 使用Python和IPython Notebook
1.3 亲和性分析示例
1.4 分类问题的简单示例
1.5 什么是分类
1.6 小结
第 2 章用scikit-learn估计器分类
2.1 scikit-learn估计器
2.2 流水线在预处理中的应用
2.3 流水线
2.4 小结
第 3 章用决策树预测获胜球队
3.1 加载数据集
3.2 决策树
3.3 NBA比赛结果预测
3.4 随机森林
3.5 小结
第 4 章用亲和性分析方法推荐电影
4.1 亲和性分析
4.2 电影推荐问题
4.3 Apriori算法的实现
4.4 抽取关联规则
4.5 小结
第 5 章用转换器抽取特征
5.1 特征抽取
5.2 特征选择
5.3 创建特征
5.4 创建自己的转换器
5.5 小结
第 6 章使用朴素贝叶斯进行社会媒体挖掘
6.1 消歧
6.2 文本转换器
6.3 朴素贝叶斯
6.4 应用
6.5 小结
第 7 章用图挖掘找到感兴趣的人
7.1 加载数据集
7.2 寻找子图
7.3 小结
第 8 章用神经网络破解验证码
8.1 人工神经网络
8.2 创建数据集
8.3 训练和分类
8.4 用词典提升正确率
8.5 小结
第 9 章作者归属问题
9.1 为作品找作者
9.2 功能词
9.3 支持向量机
9.4 字符N元语法
9.5 使用安然公司数据集
9.6 小结
第 10 章新闻语料分类
10.1 获取新闻文章
10.2 从任意网站抽取文本
10.3 新闻语料聚类
10.4 聚类融合
10.5 线上学习
10.6 小结
第 11 章用深度学习方法为图像中的物体进行分类
11.1 物体分类
11.2 应用场景和目标
11.3 深度神经网络
11.4 GPU优化
11.5 环境搭建
11.6 应用
11.7 小结
第 12 章大数据处理
12.1 大数据
12.2 大数据应用场景和目标
12.3 MapReduce
12.4 应用
12.5 小结
附录接下来的方向
第 1 章——开始数据挖掘之旅
第 2 章——用scikit-learn估计器分类
第 3 章——用决策树预测获胜球队
第 4 章——用亲和性分析方法推荐电影
第 5 章——用转换器抽取特征
第 6 章——使用朴素贝叶斯进行社会媒体挖掘3
第 7 章——用图挖掘找到感兴趣的人
第 8 章——用神经网络破解验证码
第 9 章——作者归属问题
第 10 章——新闻语料分类
第 11 章——用深度学习方法为图像中的物体进行分类
第 12 章——大数据处理

暂无相关搜索结果！

二维码

手机扫一扫，轻松掌上学

《Python数据挖掘入门与实践 - [澳] Robert Layton》电子书下载

请下载您需要的格式的电子书，随时随地，享受学习的乐趣！

EPUB 电子书

书签列表

阅读记录

阅读进度: 0.00% ( 0/0 ) 重置阅读进度