必學! Python資料科學．機器學習最強套件: NumPy、Pandas、Matplotlib、OpenCV、Scikit-learn、tf.Keras

其他會員也一起購買

必學！Python資料科學‧機器學習最強套件－NumPy、Pandas、Matplotlib、OpenCV、scikit-learn、tf.Keras ISBN13：9789863126157 出版社：旗標出版社 作者：石川聡彥-著;施威銘研究室-監修 譯者：劉金讓 裝訂／頁數：平裝／448頁 規格：23cm*17cm*2.8cm (高/寬/厚) 重量：982克 版次：１ 出版日：2021/04/19 中國圖書分類：電腦程式語言 內容簡介 最夯的 Python 套件解說 ✕ 最夯的資料科學、機器學習技術, 本書帶您一次學會！ 　　Python 是近來最熱門的程式語言, 也是資料科學、機器學習實作時的首選語言。Python 之所以在這些領域大放異彩, 就是仰賴了各種功能強大的第三方套件, 不過套件百百款, 該從哪些下手呢？很簡單, 很少用到的先不用花太多時間, 我們挑常用、關鍵的先學好！本書為有志於學習資料科學、機器學習的初學者, 嚴選出 NumPy、Pandas、Matplotlib、OpenCV、scikit-learn、tf.Keras 等最強套件, 絕對是初學者必須好好掌握的！ 　　NumPy 數值運算套件可以做資料高速運算, 許多套件也都是以 NumPy 為基礎建構而成, 經常得跟 NumPy 搭配使用, 一定要紮穩這個重要基石； 　　在面對龐大的資料時, 使用 Pandas、Matplotlib 可以輕鬆做資料整理, 並藉由繪圖獲取重要資訊, 是資料科學實作的強大利器； 　　OpenCV 是電腦視覺 (Computer Vision) 領域響叮噹的套件, 不管是裁切、縮放、輪廓偵測、過濾影像以強化資訊...各種影像處理功能一應俱全, 是影像辨識、機器學習做資料擴增的最強助手； 　　最後, 我們將帶您一窺 scikit-learn、tf.Keras 這兩個重量級套件如何在機器學習、深度學習領域中發揮關鍵性的作用, 我們會實際操演如何利用它們做資料預處理 (Preprocessing)、建構 KNN / SVM / 邏輯斯迴歸 (Logistic regression) / 決策樹 (Decision tree) / 隨機森林 (Random forest)…等監督式學習分類模型；以及建立 DNN、CNN 等影像辨識神經網路 (Neural network)。 　　看了本書之後, 你將深刻體會到各套件的強大之處, 利用短短幾行程式碼, 竟然瞬間完成許多運算、建模工作。不過各套件的函式、參數設定可不像網路文章寫的這麼單純, 當中有許多設定「眉角」需要特別注意, 為此, 小編都經過逐一詳測, 針對可能遇到的問題添加大量註解, 幫助讀者更加理解內容！ 本書特色 　　□資料科學熱門套件解說 　　‧紮穩 NumPy 重要基礎：axis、dimention、陣列切片、各種高速運算函式 　　‧Pandas 資料分析技巧：資料清理、缺失值處理、快速取得各種統計數據 　　‧Matplotlib 資料視覺化：繪製 2D / 3D 圖 / 子圖、比較資料的分布狀況 　　‧OpenCV 影像處理：影像裁切 / 縮放 / 翻轉...做資料擴增, 二值化 (binarization) / 降雜訊...強化重要影像資訊 　　□最紮實的機器學習、深度學習實戰 　　‧機器學習的資料預處理 (Data preprocessing) 　　‧快速建構 KNN / SVM / 邏輯斯迴歸 (Logistic regression) / 決策樹 (Decision tree) / 隨機森林 (Random forest)...監督式學習分類模型 　　‧建立 DNN、CNN 影像辨識神經網路 (Neural network) 　　‧建模完只是第一步！各模型超參數 (Hyperparameter) 調整心法大公開！ 　　□本書由【施威銘研究室監修】, 書中針對原書進行大量補充, 並適當添加註解, 幫助讀者更加理解內容！ 目錄 第 1 章 Python 基礎：變數、 資料型別與 if 判斷式 第 2 章 Python 基礎：list、dict 與迴圈 第 3 章 函式、 類別與模組 第 4 章 進階函式及特殊容器 第 5 章 NumPy 高速運算套件 5-1 NumPy 的基本介紹 5-2 陣列的基本操作 5-2-1 建立陣列 5-2-2 陣列的切片操作 5-2-3 使用布林陣列篩選值 5-2-4 陣列的四則計算 5-2-5 體驗好用的 NumPy 函式 5-3 NumPy 多軸陣列 5-3-1 陣列的軸 (axis) 5-3-2 陣列的 shape 5-3-3 多軸陣列的切片做法 5-3-4 陣列轉置 (transpose) 5-3-5 陣列排序 5-3-6 陣列擴張 (Broadcasting) 5-3-7 用 NumPy 函式計算矩陣乘積 第 6 章 pandas 的基礎 6-1 pandas 簡介 6-2 Series 物件的操作處理 6-2-1 建立 Series 物件 6-2-2 取出 Series 當中的元素 6-2-3 單取出「索引值」或者「內容值」-.index、.values 6-2-4 新增 Series 物件的元素–append() 6-2-5 刪除 Series 物件的元素–drop() 6-2-6 從 Series 物件篩選出想要的元素 6-2-7 將 Series 的元素排序–sort_index()、 sort_values() 6-3 DataFrame 物件的操作處理 6-3-1 建立 DataFrame 物件–pd.DataFrame() 6-3-2 修改 index 和 column 的名稱–.index、.column 6-3-4 加入新的資料列–append() 6-3-4 加入新的欄位 6-3-5 取出 DataFrame 當中的元素–df.loc[]、df.iloc[] 6-3-6 刪除 df 物件的列或行–drop() 6-3-7 將欄位值依大小排序–sort_values() 6-3-8 從 df 物件篩選出想要的資料 第 7 章 DataFrame 的串接與合併 7-1 概念說明 7-2 用 concat() 串接多個 DataFrame 7-3 用 merge() 合併多個 DataFrame 第 8 章 DataFrame 的進階應用 8-1 載入外部檔案並做資料整理 8-2 處理 DataFrame 中的缺失值 8-2-1 用 dropna() 刪除含有 NaN (缺失值) 的列 8-2-2 用 fllna() 填補 NaN 值 8-3 分析數據常用到的技巧 (一) 8-3-1 duplicated()、drop_duplicated() - 尋找或刪除 DataFrame 內重複的資料 8-3-2 map()–利用 DataFrame 的既有欄位生成新的欄位 8-3-3 用 cut() 劃分、篩選資料 8-4 分析數據常用到的技巧 (二) 8-4-1 取頭尾列–head()、tail() ...

Python 程式設計：大數據資料分析 (1版)

其他會員也一起購買

書名：PYTHON程式設計｜大數據資料分析 出版社：碁峰 出版年月：201811 條碼：9789864769575 內容簡介 想成為一位卓越的資料科學家嗎? 不要猶豫了，這是你必備的一本參考書。 ‧從Python程式語言介紹，到NumPy、pandas，以及MatplotLib套件的探討，讓你可以輕易的將大數據資料加以分析、並將結果視覺化，為決策者提供最佳的方案。 ‧對開放資料平台上的常用的資料格式，如XML、JASON、CSV等三大類加以解說，讓你對資料的格式有所認知。 ‧同時論及網頁資料擷取所需要的requests、urblib3、beatuifulsoup，以及Selenium套件，讓你往後在任何開放資料的平台上擷取資料，能夠得心應手。 ‧配合豐富的擷取開放平台資料範例，讓你可以了解實際的運作過程。 作者介紹 作者簡介 蔡明志 國立交通大學資訊工程博士 輔仁大學資管系副教授 專長 大數據分析與應用 機器學習 行動裝置App開發 智慧醫療 著作 主要的著作為C和C++程式語言或與其相關的題材 目錄 chapter 01 Python 簡介 chapter 02 基本程式設計 chapter 03 選擇你想要的 chapter 04 重複執行某些事 chapter 05 激起更多的火花 chapter 06 分工合作更有效率 chapter 07 字串 chapter 08 儲存資料的好幫手 chapter 09 多維串列 chapter 10 數組、集合與詞典 chapter 11 檔案的 I/O 與異常處理 chapter 12 物件導向程式設計 chapter 13 資料分析能力 chapter 14 資料視覺化 chapter 15 開放平台的資料格式 chapter 16 網頁資料的擷取 appendix A 各章習題參考解答

機器學習入門: Weka (1版)

類似書籍推薦給您

【簡介】 本書主要分為兩個部分：機器學習理論與實踐分析。內容以Weka為工具，並透過易於理解的方式帶讀者們學習「機器學習」所需的分析方法，同時結合實踐利用案例一步一步說明使用方法，以及工具的掌握，利用無需撰寫程式的方式，讓你以最輕鬆的方式建立機器學習的基礎。 目錄： 第 1 章　Weka的安裝與主要功能 第 2 章　利用Excel與Weka的簡單操作──機器學習與決策樹 第 3 章　檔案形式與屬性類型的轉換 第 4 章　屬性的選擇 第 5 章　分類分析 第 6 章　集群分析 第 7 章　關聯規則分析 第 8 章　時間序列分析 第 9 章 「實踐篇」：使用Weka的各種例題 第 10 章　貝氏網路模型 第 11 章　Weka API 作者介紹 劉妘鑏 福建理工大學交通運輸學院智能科學教研室講師。於2022年取得台灣東華大學資訊工程學系博士學位；2005年取得台灣亞洲大學資訊工程學系碩士學位。在產業界擔任程式設計師與資料庫管理師超過10年。有興趣的研究領域有：大數據、決策分析、區塊鏈，以及主動式資料庫。 著作： 1. 動態網頁設計，五南，2023。 2. 大數據的基本觀念與演算法，全華，2018。 3. 商業資料管理的利器：Access資料庫管理系統，松崗，2009。 4. Access 2003商業資料庫應用，松崗，2009。 【目錄】 第1章 Weka的安裝與主要功能 1.1 何謂Weka 1.2 下載Weka與安裝 1.3 啟動Weka 1.4 Weka的主要功能 第2章 利用Excel與Weka的簡單操作─機器學習與決策樹 2.1 以Excel製作數據，以Weka計算 2.2 以Weka預測 2.3 預測結果的焦點：Kappa統計量（Kappa statistic） 第3章 檔案形式與屬性類型的轉換 3.1 調整檔案編碼為UTF-8 3.2 Weka如何載入CSV檔案 3.3 在ARFF-Viewer中載入CSV文件 3.4 在Weka Explorer中載入CSV文件 3.5 使用Excel中的其他檔案格式 3.6 屬性類型的轉換步驟 3.7 如何將UCI Dataset的副檔名*.data改成*.CSV 第4章 屬性的選擇 4.1 何謂「選擇屬性」 4.2 其他屬性選擇方法 第5章 分類分析 5.1 決策樹（Decision Tree） 5.2 隨機森林（Random Forest） 第6章 集群分析 6.1 K平均法（K-means） 6.2 階層式集群法（Hierarchical Clustering） 6.3 EM法（Expectation Maximization,期望最大化法） 第7章 關聯規則分析 7.1 數據分析中的經典案例 7.2 關聯規則（Association Rule） 第8章 時間序列分析 8.1 時間數列數據的迴歸分析模型 8.2 利用Weka進行的時間序列預測 8.3 Weka提供7種評估指標 第9章 「實踐篇」：使用Weka的各種例題 9.1 將Weka的數據集寫成「CSV格式」 9.2 使用Weka在web上公開的數據集 9.3 使用Weka須知 9.4 各種例題使用Weka 9.5 Fisher的Iris 第10章 貝氏網路模型 10.1 使用數據arff形式的「weather」（數值模型例） 10.2 支持向量機（Support Vector Machine, SVM）中的Kernnel函數 10.3 Weka的Knowledge Flow 第11章 Weka API 11.1 Weka的檔案結構 11.2 Weka重要套件

機器學習入門：R語言（附範例光碟）

類似書籍推薦給您

機器學習入門：R語言 ISBN13：9789865035334 出版社：全華圖書 作者：徐偉智;社團法人數位經濟發展 裝訂／頁數：平裝／320頁 附件：光碟 規格：26cm*19cm*1.2cm (高/寬/厚) 重量：595克 版次：1 出版日：2021/01/15 中國圖書分類：特殊電腦方法 內容簡介 　　機器學習是AI人工智慧的基礎，但機器學習本身是門較高深的課程，而本書為了讓讀者能夠輕易理解，除了從入門者的角度做編寫外，並且利用R的簡潔代碼，來輕鬆駕馭繁雜的統計模型。書中先講述AI及R語言，從R安裝、基礎語法到進階語法，讓讀者能夠先掌握R語言，接著經由R來講述機器學習的各種實作項目，如資料分析、線性回歸模型及模型評估等，藉此能夠將R活用，並且對於機器學習有更進一步的認識。本書適用於大學、科大資工、電機、電子、電通科系「機器學習」課程使用。 本書特色 　　1.本書完全以入門者的角度編寫，並藉由R語言的簡潔代碼駕馭繁雜的機器學習模型。 　　2.由淺入深介紹AI及R語言(R的安裝、基礎語法、進階語法)，讓讀者能夠掌握R語言之後，再介紹機器學習模型各種功能函式的使用(線性回歸、SVM、類神經網路、決策樹)。 　　3.藉由循序漸進的方式推導支持向量激(SVM)與羅吉斯迴歸的原理，僅需具備高中數學能力即可理解。 　　4.本書以淺顯易懂的方式介紹如何從資料集訓練出決策樹。