| 字段 | 字段内容 |
|---|---|
| 001 | 01h0622063 |
| 005 | 20250928121957.0 |
| 010 | $a: 978-7-121-49764-3$d: CNY118.00 |
| 100 | $a: 20250328d2025 em y0chiy50 ea |
| 101 | $a: chi$c: eng |
| 102 | $a: CN$b: 110000 |
| 105 | $a: ak z 000yy |
| 106 | $a: r |
| 200 | $a: StatQuest图解机器学习$A: StatQuest tu jie ji qi xue xi$d: The StatQuest illustrated guide to machine learning$f: (美) Josh Starmer著$g: 钱辰江, 潘文皓译$z: eng |
| 210 | $a: 北京$c: 电子工业出版社$d: 2025.03 |
| 215 | $a: 287页$c: 彩图$d: 25cm |
| 306 | $a: 本书中文简体版专有出版权由Josh Starmer授予电子工业出版社 |
| 314 | $a: 钱辰江, 拥有美国芝加哥大学统计学硕士学位及加州大学洛杉矶分校数学经济学士学位。目前任职于美国硅谷某互联网创业公司, 主要从事数据科学相关工作。潘文皓, 获得美国佐治亚大学统计学博士学位, 研究方向包括象征性数据的聚类分析算法。目前任职于苹果公司总部, 主要从事数据科学相关的模型开发与研究工作。曾任美国富国银行量化分析师, 负责反欺诈模型的开发、检测与应用。 |
| 320 | $a: 有书目 |
| 330 | $a: 本书前3章着重介绍了机器学习的整体框架和主要思想, 从第4章起, 介绍了各种机器学习算法: 从基础的线性回归 (第4章) 和逻辑回归 (第6章) 到朴素贝叶斯 (第7章) 和决策树 (第10章), 最后介绍了支持向量机 (第11章) 和神经网络 (第12章)。在介绍机器学习算法的同时, 本书还穿插介绍了机器学习的进阶知识和实用技巧, 如梯度下降法 (第5章)、模型性能度量 (第8章) 和防止过拟合的正则化方法 (第9章)。 |
| 500 | $1: 0$a: StatQuest illustrated guide to machine learning$m: Chinese |
| 606 | $a: 机器学习$A: ji qi xue xi$j: 图解 |
| 690 | $a: TP181-64$v: 5 |
| 701 | $a: 斯塔默$A: si ta mo$g: (Starmer, Josh)$4: 著 |
| 702 | $a: 潘文皓$A: pan wen hao$4: 译 |
| 801 | $a: CN$b: 山西乙桐文化交流有限公司$c: 20250926 |
| 905 | $a: SXCDS$b: 01481372-4$h: 3$d: TP181-64$e: 5$r: CNY118.00$f: yt25-03 |
| 920 | $a: 150900$z: 1 |
| 998 | $a: SXUFE |
北京创讯未来软件技术有限公司 版权所有 ALL RIGHTS RESERVED 京ICP备 09032139
欢迎第47352769位用户访问本系统