机读格式显示(MARC)

• 000 02096nam0 2200289 450

• 001 0000822600

• 005 20250819143300.0

• 010 __ |a 978-7-03-081750-1 |d CNY149.00

• 100 __ |a 20250730d2025 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a Python机器学习与深度学习 |A Python ji qi xue xi yu shen du xue xi |f 主编王娟

• 210 __ |a 北京 |c 科学出版社 |d 2025

• 215 __ |a xi, 615页 |c 图 |d 24cm

• 300 __ |a 机器学习、深度学习原理与NumPy“自编码”式算法设计

• 314 __ |a 王娟, 博士, 教授, 硕士生导师, 国家级一流本科专业负责人, 国家级一流本科课程负责人, 中原领军人才, 中原教学名师, 河南省高等学校教学名师, 河南省教育厅学术技术带头人, 河南省高校青年骨干教师, 信阳师范大学第一届校长教学质量奖获得者。2003.06在信阳师范大学数学系获学士学位, 2009.07在郑州大学数学与统计学院获硕士学位, 2012.07在北京信息控制研究所获博士学位。 2012年获首届全国青年教师教学大奖赛理科组一等奖, 同年获河南省教育系统教学技能竞赛特等奖, 并被授予“河南省教学标兵”称号, 2013年被授予河南省“五一劳动奖章”、“河南省百名职工技术英杰”, 2015年被评为河南省“文明教师”, 2019年获河南省先进工作者。主要从事生物数学、控制理论与应用以及数学教育等方面的研究。 主要从事生物数学、控制理论与应用以及数学教育等方面的研究。近年来, 主持完成国家自然科学基金项目1项、省部级项目2项等

• 320 __ |a 有书目

• 330 __ |a 本书首先介绍了Python与机器学习基础知识, 并辅以感知机模型探讨Python语言在数值计算和优化方面的优势。其次, 本书探讨了机器学习与深度学习模型的评估方法, 以及多分类学习策略。再次, 本书核心模型部分共分15个模块, 每一模块具有独立性, 具体包括线性回归, 逻辑回归, 判别分析与主成分分析, 决策树, k-近邻, 贝叶斯分类器, 支持向量机, 集成学习, 聚类, 前馈神经网络, 卷积神经网络, 循环神经网络与自然语言处理, 自组织映射神经网络和生成式深度学习。最后, 每一个“自编码”的算法均进行了功能测试和性能测试, 并对算法的执行过程和结果进行了统计或可视化。

• 606 0_ |a 程序语言 |A cheng xu yu yan |x 程序设计

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP312 |v 5

• 690 __ |a TP181 |v 5

• 701 _0 |a 王娟 |A wang juan |4 主编

• 801 _0 |a CN |b WFKJXY |c 20250819

• 905 __ |a WFKJXY |d TP312/960