中图网文创礼盒,买2个减5元
欢迎光临中图网 请 | 注册
> >
Python机器人学习实例及代码分析—识别·预测·异常检测

Python机器人学习实例及代码分析—识别·预测·异常检测

出版社:中国水利水电出版社出版时间:2023-06-01
开本: 32开 页数: 108
¥31.4(6.3折)?

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

中 图 价:¥34.9(7.0折)定价  ¥49.8 登录后可看到会员价
加入购物车 收藏
运费6元,全场折上9折期间 满39元包邮
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

Python机器人学习实例及代码分析—识别·预测·异常检测 版权信息

  • ISBN:9787522614649
  • 条形码:9787522614649 ; 978-7-5226-1464-9
  • 装帧:平装-胶订
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

Python机器人学习实例及代码分析—识别·预测·异常检测 本书特色

本书读者对象为:有一定编程经验,想学习机器学习·深度学习中的图像识别、预测和异常检测技术的程序员。
·机器学习是使计算机具有学习能力的数理技术。本书通过Python实例实现设备的异常检测和系列数据的识别,以此来加深对机器学习的理解。
·作为一本人工智能技术类图书,本书没有面面俱到,仅针对机器学习中的图像识别、分类预测及异常检测技术用Python进行了编程实现,并对相关代码进行了分析。

Python机器人学习实例及代码分析—识别·预测·异常检测 内容简介

机器学习作为实现人工智能的方法,是一种让计算机具备学习能力的数理技术。本书就以Python为工具,结合实例和代码分析对机器学习中的异常检测和系列数据分析技术进行了详细解说。其中前半部分介绍了基本的分类器和预测器的使用方法,以便读者能够顺利地进行机器学习实践。后半部分以作者的研究经验为基础,介绍了一些应用于实际问题的例子。
本书以解说实例源码为中心,特别适合有一定编程基础、对机器学习技术感兴趣的高校学生学习,也适合将机器学习技术应用于实际业务的工程师参考。

Python机器人学习实例及代码分析—识别·预测·异常检测 目录

第1章 什么是机器学习 1.1 机器学习简介 1.2 围绕机器学习的环境变化 1.3 关于本书 1.4 关于机器学习的书籍 1.5 机器学习的分类 1.6 机器学习的流程 1.7 k近邻算法分类 源代码1.1 通过k近邻算法对Iris数据集进行分类和绘制识别边界面 第2章 基本的分类器和预测器 2.1 决策树学习 源代码2.1 基于决策树学习的识别和绘制决策树 2.2 朴素贝叶斯分类器 源代码2.2 朴素贝叶斯分类器分类与ROC曲线评价 2.3 逻辑回归 源代码2.3 使用逻辑回归识别手写字符 2.4 多层感知器 源代码2.4 使用MLP识别手写字符 2.5 支持向量机 源代码2.5 使用SVM识别Breast Cancer数据集 2.6 线性回归 源代码2.6 通过线性回归推测Housing数据住宅价格 2.7 深度学习 源代码2.7 使用AutoEncoder事先学习的深层神经网络识别手写字符 第3章 针对机器振动数据的异常检测 3.1 异常检测问题 3.2 异常检测的评价方法 3.3 典型的异常检测法 3.4 机器异常检测的应用案例 3.5 特征提取 3.6 各种异常检测法的应用 3.6.1 异常检测的代码1(图3.8,源代码3.1) 3.6.2 异常检测的代码2(图3.9,源代码3.2) 3.6.3 异常检测的代码3:LOF(图3.10,源代码3.3) 3.6.4 异常检测的代码4:One-Class SVM(图3.12,源代码3.4) 3.6.5 异常检测的代码5:Isolation Forest(图3.14,源代码3.5) 3.6.6 异常检测的代码6:分别比较(图3.16,源代码3.6) 3.6.7 另行定义的函数 3.7 总结 3.8 本章所用源代码一览 源代码3.1 异常检测的代码 源代码3.2 异常检测的代码 源代码3.3 异常检测的代码 源代码3.4 异常检测的代码 源代码3.5 异常检测的代码 源代码3.6 异常检测的代码 源代码3.7 显示平均精度、平均重现率、平均F值及混淆矩阵的函数 源代码3.8 绘制ROC曲线的函数 源代码3.9 返回平均F值的函数 源代码3.10 绘制F值图表的函数 第4章 序列数据分析 4.1 睡眠数据 4.2 隐马尔可夫模型判断睡眠好坏 4.2.1 判断睡眠好坏的流程 4.2.2 Burst提取法检测睡眠相关的声音事件 4.2.3 输入向量的准备 4.2.4 声音事件的自动分类 4.2.5 通过隐马尔可夫模型进行睡眠模式时间序列的建模 4.2.6 睡眠好坏的判断 4.2.7 总结 结束语 参考文献
展开全部

Python机器人学习实例及代码分析—识别·预测·异常检测 作者简介

福井健一(Ken-ichi Fukui)
2003年 名古屋大学研究生院人间情报学研究科物质·生命情报学专业完成博士前期课程
2010年 大阪大学产业科学研究所助教
现在 大阪大学产业科学研究所准教授
博士(情报科学)

商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服