Python 数据挖掘与机器学习实战 (78):回归分析介 3.8

阅读数:1 2020 年 1 月 11 日 17:03

Python数据挖掘与机器学习实战(78):回归分析介 3.8

(本章小结)

内容简介
本书作为数据挖掘和机器学习的读物,基于真实数据集进行案例实战,使用 Python 数据科学库,从数据预处理开始一步步介绍数据建模和数据挖掘的过程。书中主要介绍了数据挖掘的基础知识、基本工具和实践方法,通过循序渐进地讲解算法,带领读者轻松踏上数据挖掘之旅。本书采用理论与实践相结合的方式,呈现了如何使用逻辑回归进行环境数据检测,如何使用 HMM 进行中文分词,如何利用卷积神经网络识别雷达剖面图,如何使用循环神经网络构建聊天机器人,如何使用朴素贝叶斯算法进行破产预测,如何使用 DCGAN 网络进行人脸生成等。本书也涉及神经网络、在线学习、强化学习、深度学习和大数据处理等内容。
本书以人工智能主流编程语言 Python 3 版作为数据分析与挖掘实战的应用工具,从 Pyhton 的基础语法开始,陆续介绍了 NumPy 数值计算、Pandas 数据处理、Matplotlib 数据可视化、爬虫和 Sklearn 数据挖掘等内容。全书共涵盖 16 个常用的数据挖掘算法和机器学习实战项目。通过学习本书内容,读者可以掌握数据分析与挖掘的理论知识及实战技能。
本书内容丰富,讲解由浅入深,特别适合对数据挖掘和机器学习算法感兴趣的读者阅读,也适合需要系统掌握深度学习的开发人员阅读,还适合 Python 程序员及人工智能领域的开发人员阅读。编程爱好者、高校师生及培训机构的学员也可以将本书作为兴趣读物或教材使用。

本章简单介绍了数据挖掘中回归分析的基本概念。对于线性回归,介绍了如何使用一元线性回归求解房价预测的问题,通过该例子对线性回归进行了初步讲解。之后介绍了使用多元线性回归进行商品价格的预测,对线性回归进行了更深入的说明。最后,使用线性回归对股票数据进行了预测。本章对逻辑回归的主要应用场景及它的优缺点做了较为详尽的描述,同时对逻辑回归的具体实现步骤进行了详细讲解,通过环境检测数据异常分析与预测实验,分析了逻辑回归的具体表现。

Python数据挖掘与机器学习实战(78):回归分析介 3.8

购书地址 https://item.jd.com/12623592.html?dist=jd

评论

发布