会员
Python预测分析与机器学习
更新时间：2023-08-25 11:19:36 最新章节：8.4 优化
书籍简介
本书从理解问题定义、了解数据内的高层信息、数据清理、视化数据，到基础建模、模型优化，分享一个数据分析师的视角与思路。在预测分析的流程中，一步步用详细的图文代码讲解使用到的库，如何正确使用各个库中的方法和函数，以及在遇到类似的问题时如何套用学过的知识。本书共8章。第1章对预测分析的流程进行一个高层次的概述。第2章介绍本书需要安装使用的库，并讲解数据清理步骤的执行。第3章讲解基础建模需考虑的细节，结合第4章的模型选择，可以搭建一个基础的预测管道。第5章和第6章分别从模型和数据的角度讲解如何优化预测表现。第7章讲解时间序列这一特殊数据的预测方法。最后，第8章总结全书学习到的内容，解决一个实战问题。本书面向3类读者。第1类，有编程基础但毫无数据科学背景，有意入门的读者；第2类，有数据科学理论基础，有意进入实操的读者，如刚毕业没有业界经验的学生；第3类，有数据科学理论基础与实操经验，但日常工作集中在数据分析管道中的数据分析师。
品牌：清华大学
上架时间：2022-05-01 00:00:00
出版社：清华大学出版社
本书数字版权由清华大学提供，并由其授权上海阅文信息技术有限公司制作发行
最新章节
王沁晨编著
同类热门书
最新上架
- 会员本书是一本聚焦RAG技术实践与落地的专业技术书，分为四部分。第一部分是RAG技术基础，介绍了RAG技术的定义、发展背景、核心组成以及落地面临的挑战，同时深入探讨了RAG技术背后的原理。第二部分是RAG应用构建流程，详细讲解了RAG应用的各个环节，从数据准备与处理，到检索环节的优化，再到生成环节的技巧。第三部分是RAG技术进阶，主要介绍了RAG系统的高级优化策略、常见框架的实现原理与性能评估方法。第计算机11.8万字
- 会员随着JDK的升级与迭代，SpringFramework与SpringBoot也分别升级到了全新的6.0与3.0版本，全新的版本带来了更加强大的功能和特性。本书侧重于核心功能和特性的讲解，重点讲解SpringFramework与SpringBoot在应用开发中的核心与应用，通过多个方面介绍应用开发中涉及的场景。本书分为六个部分，共15章。第一部分～第三部分介绍SpringFramework计算机21.5万字
- 会员本书主要探讨高并发场景下系统设计的原理和实践案例，帮助读者系统、快速地理解高并发系统的设计原理与相关实践，以及掌握解决高并发场景下可能遇到的各种问题的方法。本书共6章。第1章介绍高并发系统的发展历史、设计难点和基本设计原则，以及度量指标；第2～4章介绍有助于提升高并发系统可用性的3种方法—系统容错、冗余和分片；第5章从提升高并发系统性能的角度讲解并发与异步的原理和实践技巧；第6章从系统运维和团队流计算机11.4万字
- 会员本书向你展示如何从零开始编写简洁、可维护的C代码。首先简要介绍C语言的历史和建立开发环境的步骤。然后介绍C语言的语句，包括分支和循环语句，并对变量及其作用域进行深入探讨。之后展示C语言的数组、结构，并讲解如何查找和使用常用的代码片段。第8—11章介绍C语言在Arduino中的应用，涵盖设置Arduino开发环境、代码编写技巧等，还通过完整的Arduino项目尝试使用多种电子外设，包括传感器、按钮和计算机11.8万字
- 会员本书以昇腾算子编程语言AscendC的高效开发为核心，系统介绍华为面向人工智能的昇腾AI处理器架构、硬件抽象及其软件栈。本书由浅入深，通过案例讲解知识点，理论与实践并重。全书分为6章，分别介绍了昇腾AI处理器软硬件架构、AscendC快速入门、AscendC编程模型与编程范式、AscendC算子开发流程、AscendC算子调试调优和AscendC大模型算子优化。本书适合人工智能产业的研计算机9.8万字
- 会员虽然技术在进步，硬件也越来越物美价廉，但如今软件工程师仍需要关注程序的性能优化。本书将介绍软件效率问题、Go语言快速入门知识、如何实现高效编程，告诉大家如何高效进行性能优化，以及何时进行，并给出需要的工具和相关知识，让你使用较少的资源实现高效编程。计算机27.3万字
- 会员本书介绍如何使用代码（.m与.mlx文件）开发图形用户界面（GUI），辅以大量的编程示例详细讲解基于figure函数的uicontrol、容器、坐标区、常用控件、图窗工具、检测控件、对话框和通知，基于uifigure函数的对话框和通知，以及布局函数、控制流函数、App数据和预设函数等内容。与采用GUIDE、AppDesigner的方式相比，用代码开发的GUI能兼容几乎所有的MATLAB版本，灵活计算机9.2万字
- 会员近年来，人工智能技术得到了快速发展，并在金融风险管理领域逐渐渗透。本书旨在引导读者了解金融风险建模背后的理论，学会在金融风险管理业务中运用Python语言和一系列机器学习模型。本书分为三部分，第一部分（第1～3章）介绍风险管理的基础知识，第二部分（第4～8章）通过一系列案例将机器学习模型运用到市场风险管理、信用风险管理、流动性风险管理和运营风险管理等场景，第三部分（第9章、第10章）讲解如何对其他计算机8.6万字