人工智慧:智慧型系統導論3/e (3版)
相關熱銷的書籍推薦給您
書名:人工智慧:智慧型系統導論(第三版)
作者:李聯旺
出版社:全華
ISBN:9789862800959
立即查看
Python最強入門邁向數據科學之路 : 王者歸來(火力加強版)
類似書籍推薦給您
立即查看
Python操作Excel:最強入門邁向辦公室自動化之路 王者歸來
類似書籍推薦給您
商品描述
Python 操作 Excel
~最強入門邁向辦公室自動化之路~
王者歸來(全彩印刷)
★ 最短時間精通 Python + openpyxl + Pandas 操作 Excel
★ 全彩圖解 + 23 個主題 + 339 個程式實例
★ 辦公室自動化輕鬆上手
★ 程式實例數量不吹牛不欺騙
這是一本講解用 Python 操作 Excel 工作表的入門書籍,也是目前市面上這方面知識最完整的書籍。
【step-by-step 帶你辦公室自動化!】
整本書從最基礎的活頁簿、工作表說起,逐漸邁入操作工作表、美化工作表、分析工作表資料、將資料以圖表表達,最後講解將 Excel 工作表存成 PDF,以達成未來辦公室自動化的目的。
【最清楚、最貼心 Python/Excel 對照!】
本書內容另一個特色是在講解 openpyxl 模組或是 Pandas 模組時,會將相關的 Excel 視窗內容搭配說明,讓讀者了解程式設計各參數在 Excel 視窗所代表的真實意義。
完整解說必備知識:
● 【Python + openpyxl】操作 Excel
● 【Python + Pandas】進階分析 Excel數據
● 辦公室複雜與日常的工作自動化
● 從活頁簿說起
● 詳解操作工作表
● 使用與認識儲存格
● 儲存格的保護
● 將【Excel 函數庫】應用在 Python 程式
● 格式化工作表
● 【條件式格式化工作表】與【凸顯主題】
● 【色階】、【資料橫條】與【圖示集】
● 資料驗證
● 工作表列印
● 工作表與影像操作
● 資料篩選
● 各類【2D 到 3D】專業圖表設計
● 【Excel 工作表】與【CSV 文件】互相轉換
● 【Pandas 入門】與【分析 Excel 工作表】
● Pandas 建立【樞紐分析表】
● 將 Excel 檔案轉成 PDF
● 程式範例超值下載!→ https://deepmind.com.t
目錄大綱
Chapter 1 用 Python 讀寫 Excel文件
1-1 先前準備工作
1-2 使用 Python 操作 Excel 的模組說明
1-3 認識 Excel 視窗
1-4 讀取 Excel 檔案
1-5 切換工作表物件
1-6 寫入 Excel 檔案
1-7 關閉檔案
1-8 找出目前資料夾的 Excel 檔案
1-9 找出目前資料夾所有 out 開頭的 Excel 檔案
1-10 複製所有 out1 開頭的檔案
1-11 輸入關鍵字找活頁簿
Chapter 2 操作 Excel 工作表
2-1 建立工作表
2-2 複製工作表
2-3 更改工作表名稱
2-4 刪除工作表
2-5 更改工作表的顏色
2-6 隱藏 / 顯示工作表
2-7 將一個工作表另外複製 11 份
2-8 保護與取消保護工作表
Chapter 3 讀取與寫入儲存格內容
3-1 單一儲存格的存取
3-2 公式與值的觀念
3-3 取得儲存格位置資訊
3-4 取得工作表使用的欄數和列數
3-5 列出工作表區間內容
3-6 工作表物件 ws 的 rows 和 columns
3-7 iter_rows( ) 和 iter_cols( ) 方法
3-8 指定欄或列
3-9 切片
3-10 工作表物件 ws 的 dimensions
3-11 將串列資料寫進儲存格
3-12 欄數與欄位名稱的轉換
Chapter 4 工作表與活頁簿整合實作
4-1 建立多個工作表的應用
4-2 將活頁簿的工作表複製到不同的活頁簿
4-3 將活頁簿的所有工作表複製到另一個的活頁簿
4-4 將活頁簿內所有工作表獨立製成個別的活頁簿
Chapter 5 工作表欄與列的操作
5-1 插入列
5-2 刪除列
5-3 插入欄
5-4 刪除欄
5-5 移動儲存格區間
5-6 更改欄寬與列高
Chapter 6 儲存格的樣式
6-1 認識儲存格的樣式
6-2 字型功能
6-3 儲存格的框線
6-4 儲存格的圖案
6-5 儲存格對齊方式
6-6 複製樣式
6-7 色彩
6-8 樣式名稱與應用
Chapter 7 儲存格的進階應用
7-1 合併儲存格
7-2 取消合併儲存格
7-3 凍結儲存格
7-4 儲存格的附註
7-5 折疊 (或隱藏) 儲存格
7-6 取消保護特定儲存格區間
7-7 漸層色彩的實例
Chapter 8 自訂數值格式化儲存格的應用
8-1 格式化的基本觀念
8-2 認識數字格式符號
8-3 內建數字的符號格式
8-4 測試字串是否內建格式
8-5 獲得格式字串的索引編號
8-6 系列應用
8-7 日期應用
Chapter 9 公式與函數
9-1 了解 openpyxl 可以解析的函數
9-2 在工作表內使用函數
9-3 在工作表使用公式
9-4 年資 / 銷售排名 / 業績 / 成績統計的系列函數應用
9-5 使用 for 迴圈計算儲存格區間的值
9-6 公式的複製
Chapter 10 設定格式化條件
10-1 加入格式條件的函數
10-2 色階設定
10-3 資料橫條
10-4 圖示集
Chapter 11 凸顯符合條件的資料
11-1 凸顯符合條件的數值資料
11-2 凸顯特定字串開頭的字串
11-3 字串條件功能
11-4 凸顯重複的值
11-5 發生的日期
11-6 前段 / 後段項目規則
11-7 高於 / 低於平均
Chapter 12 驗證儲存格資料
12-1 資料驗證模組
12-2 資料驗證區間建立輸入提醒
12-3 驗證日期的資料輸入
12-4 錯誤輸入的提醒
12-5 設定輸入清單
12-6 將需要驗證的儲存格用黃色底顯示
Chapter 13 工作表的列印
13-1 置中列印
13-2 工作表列印屬性
13-3 設定列印區域
13-4 設定頁首與頁尾
13-5 文字設定的標記碼
Chapter 14 插入影像
14-1 插入影像
14-2 控制影像物件的大小
14-3 影像位置
14-4 人事資料表插入影像的應用
Chapter 15 直條圖與 3D 直條圖
15-1 直條圖 BarChart( )
15-2 認識直條圖表的屬性
15-3 橫條圖
15-4 直條堆疊圖
15-5 3D 立體直條圖
15-6 一個工作表建立多組圖表的應用
Chapter 16 折線圖表與區域圖
16-1 折線圖 LineChart( )
16-2 堆疊折線圖
16-3 建立平滑的線條
16-4 資料點的標記
16-5 折線圖的線條樣式
16-6 3D 立體折線圖
16-7 區域圖
16-8 3D 立體區域圖
Chapter 17 散點圖和泡泡圖
17-1 散點圖
17-2 氣泡圖
17-3 建立漸層色彩的氣泡圖
17-4 多組氣泡圖的實作
Chapter 18 圓餅、環圈與雷達圖
18-1 圓餅圖
18-2 圓餅投影圖
18-3 3D 圓餅圖影圖
18-4 環圈圖
18-5 雷達圖
Chapter 19 使用 Python 處理 CSV 文件
19-1 建立一個 CSV 文件
19-2 用記事本開啟 CSV 檔案
19-3 csv 模組
19-4 讀取 CSV 檔案
19-5 寫入 CSV 檔案
Chapter 20 Pandas 入門
20-1 Series
20-2 DataFrame
20-3 基本 Pandas 資料分析與處理
20-4 讀取與輸出 Excel 檔案
Chapter 21 用 Pandas 操作 Excel
21-1 認識與輸出部分 Excel 資料
21-2 缺失值處理
21-3 重複資料的處理
21-4 Pandas 的索引操作
21-5 篩選欄或列資料
21-6 儲存格運算的應用
21-7 水平合併工作表內容
21-8 垂直合併
Chapter 22 建立樞紐分析表
22-1 資料統計分析
22-2 建立樞紐分析表
22-3 列欄位有多組資料的應用
Chapter 23 Excel 檔案轉成 PDF
23-1 安裝模組
23-2 程式設計
Appendix A 模組、函數、屬性索引表
Appendix B RGB 色彩表
立即查看
一步到位!Python 程式設計:最強入門教科書 (4版)
類似書籍推薦給您
【簡介】
✧✦ AI 加持!初學 Python 的最佳教材,第一次寫程式就上手! ✦✧
✧✦ 從基礎語法到資料科學應用,培養大數據分析的關鍵能力 ✦✧
身處在資料無所不在的世代,大量程式應用、科學運算、網路爬蟲、機器學習的需求應運而生,Python 就是目前處理大數據的最強工具。
大家都想學 Python,不過很多人完全沒有程式基礎,或者曾經半途而廢。本書以淺顯易懂的筆觸與大量的實例演練,引導你在動手寫程式的過程中學會 Python 的語法和程式邏輯,跨越初學者經常遇到的障礙,進入資料科學、機器學習與大數據分析的領域,再搭配 ChatGPT、Colab AI 等 AI 助理的輔助,讓寫程式變得更有效率!
☛ 清楚明瞭的語法教學,搭配 ChatGPT 輔助寫程式!
☛ 豐富滿點的實作範例,自己動手反覆練習最有感!
☛ 無縫接軌四大套件 NumPy、matplotlib、SciPy、pandas,資料處理、分析、運算,快人一等!
☛ 紮穩資料科學基礎,銜接機器學習最強套件 – scikit-learn
☛ 網路爬蟲必備套件 – Requests、Beautiful Soup
本書特色:
✯最易學習✯
沒學過程式設計或學到一半就放棄的都沒關係,本書從基礎的語法和程式邏輯開始,以淺顯文字及簡明程式,帶你快速學會 Python 在不同領域的應用。
✯豐富範例✯
本書提供豐富實用的範例,搭配各小節的隨堂練習和章末的學習評量,立即驗證學習成果,自學或課堂教學都適合。
✯最強應用✯
本書內容包含下列幾個資料科學與機器學習最強套件,有了這些基礎,日後你就可以進一步往資料科學、大數據分析、人工智慧等專業的領域發展:
▪︎ NumPy → 資料運算
▪︎ matplotlib → 資料視覺化
▪︎ SciPy → 科學計算
▪︎ pandas → 資料處理與分析
▪︎ Requests + Beautiful Soup → 網路爬蟲抓資料
▪︎ scikit-learn → 機器學習
【目錄】
▌Part1 基礎篇
第 1 章 開始撰寫 Python 程式
1-1 認識 Python
1-2 使用 Anaconda 開發環境
1-3 使用 Google Colab 雲端開發環境
1-4 Python 程式碼撰寫風格
1-5 程式設計錯誤
第 2 章 型別、變數與運算子
2-1 型別
2-2 變數
2-3 常數
2-4 運算子
2-5 輸出
2-6 輸入
第 3 章 數值與字串處理
3-1 數值處理函式
3-2 字串與字元
3-3 字串處理方法
3-4 數值與字串格式化
3-5 f-string 格式化字串實字
第 4 章 流程控制
4-1 認識流程控制
4-2 if
4-3 for
4-4 while
4-5 break 與 continue 敘述
第 5 章 函式
5-1 認識函式
5-2 定義函式
5-3 呼叫函式
5-4 函式的參數
5-5 函式的傳回值
5-6 全域變數與區域變數
5-7 遞迴函式
5-8 lambda 運算式
5-9 日期時間函式
第 6 章 list、tuple、set 與 dict
6-1 list (串列)
6-2 tuple (序對)
6-3 set (集合)
6-4 dict (字典)
第 7 章 檔案存取
7-1 認識檔案路徑
7-2 寫入檔案
7-3 讀取檔案
7-4 with 敘述
7-5 管理檔案與資料夾
第 8 章 例外處理
8-1 認識例外
8-2 try⋯except
第 9 章 物件導向
9-1 認識物件導向
9-2 使用類別與物件
9-3 繼承
9-4 多型
第 10 章 模組與套件
10-1 模組
10-2 套件
10-3 第三方套件
▌Part2 實戰篇
第 11 章 圖片處理與 QR 碼 – pillow、qrcode
11-1 使用 pillow 套件處理圖片
11-2 使用 qrcode 套件產生 QR code
第 12 章 陣列與資料運算 – NumPy
12-1 認識 NumPy
12-2 NumPy 的資料型別
12-3 一維陣列運算
12-4 二維陣列運算
12-5 通用函式
12-6 廣播
12-7 視點 (view) 與複本 (copy)
12-8 數學函式
12-9 隨機取樣函式
12-10 統計函式
12-11 檔案資料輸入/輸出
第 13 章 繪製圖表 – matplotlib
13-1 認識 matplotlib
13-2 繪製線條或標記
13-3 繪製長條圖
13-4 繪製直方圖
13-5 繪製圓形圖
13-6 繪製散佈圖
第 14 章 科學計算 – SciPy
14-1 認識 SciPy
14-2 統計子套件 scipy.stats
14-3 最佳化子套件 scipy.optimize
14-4 插值子套件 scipy.interpolate
第 15 章 資料分析 – pandas
15-1 認識 pandas
15-2 pandas 的資料結構
15-3 pandas 的基本功能
第 16 章 機器學習 – scikit-learn
16-1 認識機器學習
16-2 線性迴歸
16-3 邏輯迴歸
16-4 K-近鄰演算法
16-5 決策樹
16-6 隨機森林
第 17 章 網路爬蟲 – Requests、Beautiful Soup
17-1 認識網路爬蟲
17-2 使用 Requests 抓取網頁資料
17-3 使用 Beautiful Soup 解析網頁資料
第 18 章 AI 輔助寫碼 – ChatGPT
18-1 開始使用 ChatGPT
18-2 查詢 Python 語法與技術建議
18-3 撰寫 Python 程式、除錯與註解
18-4 與其它程式語言互相轉換
18-5 【實例演練】統一發票兌獎程式
立即查看
Python X ChatGPT雙效合一:快速學會最強AI,寫程式更有效率 (1版)
類似書籍推薦給您
【簡介】
✔初學者輕鬆學會Python程式設計
✔結合運算思維與演算法基本觀念
✔ChatGPT讓Python程式撰寫更有效率
✔精選範例循序漸進易懂易上手
✔課後習題難易適中強化學習效果
程式設計能力現在已是國力的象徵之一,學習如何寫程式也是和語文、數學、藝術一樣的基礎能力,連教育部都將寫程式列入國高中生的必修課,以培養解決問題、分析、歸納、創新、勇於嘗試錯誤等能力,而Python語言便是初學者的首選程式語言。
本書結合運算思維與演算法的基本觀念,所有程式碼都已在Python開發環境下正確編譯與執行。目前學校多有開設Python程式課,且APCS(Advanced Placement Computer Science)「大學程式設計先修檢測」,也可選擇Python撰寫程式設計實作題,而本書的內容即為最實用的教材,適合學生或第一次學習程式者。
除了基本的Python程式入門學習外,也介紹在網路爆紅的ChatGPT聊天機器人,它不僅僅是聊天機器人,還能幫忙回答各類問題,諸如寫程式、文章、信件…等,本書加入ChatGPT與Python雙效合一的應用,精采呈現ChatGPT AI的程式範例:
◑使用Pygame遊戲套件繪製多媒體圖案
◑以內建模組及模擬大樂透的開獎程式
◑建立四個主功能表的視窗應用程式
◑演算法的應用:迷宮問題的解決方案
◑海龜繪圖法(Turtle Graphics)繪製圖形
◑猜數字遊戲
◑OX井字遊戲
◑猜拳遊戲
◑比牌面大小遊戲
全書除了學習以Python語言撰寫程式外,也能學到以Python語言來實作演算法的重要知識點,絕對是難易適中的最實用的教材。
【目錄】
|CHAPTER 01| Python 程式設計黃金入門課
1-1 認識程式語言
1-2 認識程式設計
1-3 Python 簡介與特性
1-4 Python 安裝與執行
1-5 我的第一支Python 程式
|CHAPTER 02| 大話變數與資料處理
2-1 認識變數
2-2 資料型態
2-3 輸出指令--print
2-4 輸入指令--input
|CHAPTER 03| 一看就懂的運算式與運算子
3-1 算術運算子
3-2 複合指定運算子
3-3 比較運算子
3-4 邏輯運算子
3-5 位元運算子
3-6 位移運算子
3-7 運算子的優先權
|CHAPTER 04| 選擇結構一次搞定
4-1 認識程式區塊及縮排
4-2 條件控制指令
|CHAPTER 05| 迴圈結構學習之旅
5-1 for 迴圈
5-2 while 迴圈
5-3 迴圈控制指令
|CHAPTER 06| Python 複合資料型態的完美體驗
6-1 再談字串(string)
6-2 串列(list)
6-3 元組(tuple)
6-4 字典(dict)
6-5 集合(set)
|CHAPTER 07| 函數的祕密花園
7-1 函數簡介
7-2 參數傳遞模式
7-3 常見數值函數
|CHAPTER 08| 模組與套件實用關鍵密技
8-1 認識模組與套件
8-2 建立自訂模組
8-3 常用內建模組
8-4 套件管理程式- pip
|CHAPTER 09| 視窗程式設計的贏家工作術
9-1 建立視窗
9-2 常用視窗元件介紹
|CHAPTER 10| 檔案輸入與輸出的速學技巧
10-1 檔案功能簡介
10-2 認識檔案與開啟
10-3 例外處理
|CHAPTER 11| 演算法的實戰特訓教材
11-1 演算法簡介
11-2 常見經典演算法
|CHAPTER 12| 活學活用2D 視覺化必學統計圖表
12-1 認識Matplotlib 模組
12-2 長條圖
12-3 直方圖
12-4 折線圖繪製
12-5 Matplotlib 重要的屬性功能
12-6 繪製數學函數圖形
12-7 圓形圖
12-8 以子圖方式呈現多圖
|CHAPTER 13| 玩轉繪圖與影像處理的私房攻略
13-1 turtle 圖形繪製
13-2 pillow 圖形處理
13-3 產生QR Code 碼
|CHAPTER 14| 解開網路爬蟲程式的神秘面紗
14-1 網址解析與網頁擷取
14-2 網頁擷取-requests 套件
14-3 網頁解析-BeautifulSoup 套件
14-4 網路爬蟲綜合應用範例
|CHAPTER 15| ChatGPT 讓Python 程式撰寫更有效率
15-1 人工智慧的基礎
15-2 什麼是聊天機器人
15-3 ChatGPT 運作原理與應用範圍
15-4 註冊免費的ChatGPT 帳號
15-5 第一次使用ChatGPT 寫Python 程式就上手
15-6 各種類型ChatGPT AI Python 程式範例集
15-7 ChatGPT 正確使用訣竅
15-8 利用ChatGPT輕鬆開發AI小遊戲
立即查看
集成式學習:Python 實踐!整合全部技術,打造最強模型 (1版)
類似書籍推薦給您
內容簡介
別再傻傻只選一個模型
訓練很多模型,卻不知道應該選哪一個?沒有一個模型達標?每個模型都有其優缺點,無法取捨?
小朋友才做選擇,大人全都要!你該試試集成式學習!
集成式學習是使用 2 種或更多的機器學習演算法,來組合出預測能力更好的模型。DeepMind 已經使用集成式學習來組合多個神經網路,控制 Google 資料中心的運作效能;集成式學習技術也在 Kaggle 平台上,席捲了各個競賽的第一名寶座。因此,集成式學習是建立出更具威力的模型,不可或缺的技術之一。
本書會介紹實務上常見的集成式學習演算法,如硬投票、軟投票、堆疊法、自助聚合法、適應提升法、梯度提升法、隨機森林、極端隨機樹等,並且使用熱門的 scikit-learn、Keras、OpenEnsembles、XGBoost 等 Python 函式庫來實作各種不同的集成式學習技術,建構出一個強大的模型。熟稔本書的內容後,不但可以精通集成式學習,在實際情境中面對問題時,亦能具備充分的專業知識判斷適用的集成式學習方法,並成功實作它們。
書中採用「做中學」的方式,讓你不僅可以快速掌握理論基礎,也能了解各種集成式學習技術的實作,再加上運用真實世界中的資料集,你將能夠建立出更佳的機器學習模型,以解決各種問題,包含迴歸、分類、分群。
現在翻開本書,讓我們一起進入集成式學習的世界,整合你所會的全部技術,打造最強大的模型。
本書特色
● 繁體中文第 1 本集成式學習專書,告訴你不要再傻傻地只選一個模型
● 完整介紹集成式學習中常見的演算法,包含極端隨機樹、堆疊法、自助聚合法、提升法等
● 一書掌握實作集成式學習的必備套件,如 Scikit-Learn、OpenEnsembles、XGBoost 等
● 用 Python 刻演算法給你看,接著告訴你怎麼用套件。讓你不只會做,還懂為什麼這麼做
● 以 5 個實務案例來展示集成式學習的威力
● 本書由施威銘研究室監修,內容易讀易懂,並加入大量「小編補充」補充必要知識
● 本書 Python 範例程式免費下載
目錄
前言
第一篇 機器學習基礎知識
第 1 章 機器學習的概念
1.1 資料集
1.2 監督式學習與非監督式學習
13 效能指標(Performance Measures)
1.4 模型驗證(Validation)
1.5 機器學習演算法
1.6 小結
第 2 章 初探集成式學習(Ensemble Learning)
2.1 何謂偏誤與變異
2.2 評估偏誤與變異
2.3 集成式學習(Ensemble Learning)
2.4 小結
第二篇 非生成式演算法
第 3 章 投票法(Voting)
3.1 多數決投票
3.2 使用 Python 實作硬投票
3.3 使用 Python 實作軟投票
3.4 小編補充:加權軟投票
3.5 小結
第 4 章 堆疊法(Stacking)
4.1 超學習(Meta-learning)
4.2 超學習器的訓練資料集
4.3 超學習器的測試資料集
4.4 選擇學習器(Learner)
4.5 使用堆疊法處理迴歸問題
4.6 使用堆疊法處理分類問題
4.7 建立堆疊的函式
4.8 小編補充:堆疊的其他技巧
4.9 小結
第三篇 生成式演算法
第 5 章 自助聚合法(Bootstrap Aggregation)
5.1 自助抽樣法
5.2 自助聚合法的原理
5.3 使用 Python 實作自助聚合法的完整機制
5.4 平行化(Parallelize)自助聚合法
5.5 使用 scikit-learn 提供的自助聚合法處理分類問題
5.6 使用 scikit-learn 提供的自助聚合法處理迴歸問題
5.7 小結
第 6 章 提升法(Boosting)
6.1 適應提升(Adaptive Boosting, AdaBoost)
6.2 使用 Python 實作適應提升的完整機制
6.3 使用 scikit-learn 提供的適應提升處理分類問題
6.4 使用 scikit-learn 提供的適應提升處理迴歸問題
6.5 梯度提升(Gradient Boosting)
6.6 使用 Python 實作梯度提升的完整機制
6.7 使用 scikit-learn 提供的梯度提升處理迴歸問題
68 使用 scikit-learn 提供的梯度提升處理分類問題
6.9 使用 XGBoost 提供的梯度提升處理迴歸問題
610 使用 XGBoost 提供的梯度提升處理分類問題
6.11 小結
第 7 章 隨機森林(Random Forest)
7.1 建立隨機森林
7.2 使用 scikit-learn 提供的隨機森林處理分類問題
73 使用 scikit-learn 提供的隨機森林處理迴歸問題
7.4 使用 scikit-learn 提供的極端隨機樹處理分類問題
7.5 使用 scikit-learn 提供的極端隨機樹處理迴歸問題
7.6 小結
第四篇 分群
第 8 章 分群(Clustering)
8.1 分群演算法
8.2 使用 scikit-learning 提供的 K 平均法來處理分群問題
8.3 使用投票法集成非監督式學習的基學習器
8.4 使用 OpenEnsemble 集成非監督式學習的基學習器
8.5 使用圖閉合(Graph Closure)集成非監督式學習的基學習器
8.6 使用共現鏈(Co-occurrence Linkage)集成非監督式學習的基學習器
8.7 小結
第五篇 5 個實務案例
第 9 章 檢測詐騙交易
9.1 初探資料集
9.2 探索式資料分析
9.3 投票法
9.4 堆疊法
9.5 自助聚合法
9.6 適應提升法
9.7 梯度提升法
9.8 隨機森林
9.9 不同方法的分析比較
9.10 小結
第 10 章 預測比特幣價格
10.1 時間序列資料
10.2 比特幣資料分析
10.3 建立基準模型
10.4 計算 Sharpe 值
10.5 投票法
10.6 堆疊法
10.7 自助聚合法
10.8 提升法
10.9 隨機森林
10.10 小結
第 11 章 推特(Twitter)情感分析
11.1 情感分析工具
11.2 取得 Twitter 資料
11.3 建立模型
11.4 即時分類推文
11.5 小結
第 12 章 推薦電影
12.1 推薦系統
12.2 神經網路推薦系統
12.3 使用 Keras 實作使用點積的神經網路
12.4 使用 Keras 實作自行探索網路結構的神經網路
12.5 集成多個神經網路,建立推薦系統
12.6 小編補充:集成神經網路的參數
12.7 小結
第 13 章 世界幸福報告分群
13.1 世界幸福報告
13.2 使用原始特徵建立集成模型
13.3 使用正規化特徵建立集成模型
13.4 使用 t-分布隨機鄰居嵌入降維後特徵建立集成模型
13.5 觀察分群結果
13.6 小結
後記
立即查看