{"type":"product","schema_version":"1.0","item_id":"100927087960","canonical_url":"https://tw.bid.yahoo.com/item/100927087960","title":"益大資訊~新手村逃脫！初心者的 Python 機器學習攻略ISBN:9789864345076 MP22002博碩","subtitle":null,"condition":"全新品","currency":"TWD","observed_at":"2026-10-16T06:22:08.886Z","current_price":375,"original_price":"500.00","stock_status":"in_stock","available_quantity":5,"sold_quantity":0,"seller":{"id":"Y1221244390","name":"益大資訊電腦圖書專賣店","positive_rate":null,"rating_count":null},"images":[{"url":"https://img.yec.tw/ob/image/b4ccb479-7360-47f8-bf52-1d595d998fff.jpg","role":"main","alt":"商品主圖","width":null,"height":null}],"description":"益大資訊~新手村逃脫！初心者的 Python 機器學習攻略ISBN:9789864345076 MP22002博碩出版社：博碩\n\n出版日期：2020年8月20日\n\nISBN:9789864345076\n\n書號：MP22002\n\n定價：500元     售價：375元\n\n使用 Python 程式語言實作機器學習基礎理論的入門書，均衡涵蓋程式套件應用與理論推導，透過本書讀者能夠按圖索驥，走出機器學習新手村，成功一轉！\n\n❶ 先使用套件現成類別與函式\n\n❷ 再認識演算方法理論與推導\n\n❸ 最後使用自行定義類別重現\n\n內容簡介\n\n本書內容改編自第 8 屆 iT 邦幫忙鐵人賽，Big Data 組冠軍網路系列文章──《 R 語言使用者的 Python 學習筆記》，從系列文章中後段開始改寫，省略了原本 Python 基礎語法、網頁資料擷取（俗稱爬蟲）與 Pandas 的章節，著重在以 NumPy、Matplotlib、Scikit-Learn 入門機器學習基礎理論的部分，並與作者的實體課程 (台大工商管理學系、台大資工系統訓練班與中華電信學院等資料科學課程) 教材整合編修而成。\n\n三大重點\n\n❶ 先使用套件現成類別與函式\n\n   ☛NumPy 的 N 維陣列操作與運算\n\n   ☛物件導向風格的 Matplotlib 視覺化\n\n   ☛Scikit-Learn 的五個核心理念\n\n   ☛Keras 的模型建立步驟\n\n❷ 再認識演算方法理論與推導\n\n   ☛均方誤差函式\n\n   ☛梯度遞減演算方法\n\n   ☛交叉熵函式\n\n   ☛前向傳播與反向傳播\n\n❸ 最後使用自行定義類別重現\n\n   ☛正規方程類別\n\n   ☛梯度遞減類別與 AdaGrad 類別\n\n   ☛羅吉斯迴歸類別\n\n   ☛深度學習類別\n\nCHAPTER 1 關於視覺化與機器學習\n\n1.1 一個資料科學專案\n\n1.2 何謂視覺化\n\n1.3 為何視覺化\n\n1.4 何謂機器學習\n\n1.5 pyvizml 模組\n\n1.6 為何機器學習\n\n1.7 延伸閱讀\n\nCHAPTER 2 數列運算\n\n2.1 關於 NumPy\n\n2.2 為何 NumPy\n\n2.3 如何建立 ndarray\n\n2.4 常用的 ndarray 屬性\n\n2.5 純量、向量、矩陣與張量\n\n2.6 ndarray 的索引\n\n2.7 ndarray 的切割\n\n2.8 ndarray 特別的索引\n\n2.9 重塑外觀\n\n2.10 複製陣列\n\n2.11 合併陣列\n\n2.12 通用函式\n\n2.13 聚合函式\n\n2.14 延伸閱讀\n\nCHAPTER 3 資料探索\n\n3.1 關於 Matplotlib\n\n3.2 為何 Matplotlib\n\n3.3 使用 Matplotlib 的兩種方式\n\n3.4 輸出 Matplotlib 作圖\n\n3.5 常見的探索性資料分析\n\n3.6 觀察數值資料相關性的需求\n\n3.7 觀察類別資料排序的需求\n\n3.8 觀察數值資料分布的需求\n\n3.9 觀察數學函式外觀的需求\n\n3.10 觀察區域海拔高度的需求\n\n3.11 顯示二維數值陣列的需求\n\n3.12 如何為圖形增加元素\n\n3.13 如何在圖形中加入中文字\n\n3.14 如何繪製子圖\n\n3.15 延伸閱讀\n\nCHAPTER 4 機器學習入門\n\n4.1 關於 Scikit-Learn\n\n4.2 為何 Scikit-Learn\n\n4.3 五個核心理念\n\n4.4 機器學習的資料表達\n\n4.5 Scikit-Learn 的支援場景\n\n4.6 關於訓練、驗證與測試資料\n\n4.7 延伸閱讀\n\nCHAPTER 5 數值預測的任務\n\n5.1 關於數值預測的任務\n\n5.2 以 Scikit-Learn 預測器完成數值預測任務\n\n5.3 正規方程 Normal Equation\n\n5.4 自訂正規方程類別 NormalEquation\n\n5.5 計算複雜性\n\n5.6 梯度遞減 Gradient Descent\n\n5.7 自訂梯度遞減類別 GradientDescent\n\n5.8 標準化與進階的梯度遞減\n\n5.9 延伸閱讀\n\nCHAPTER 6 類別預測的任務\n\n6.1 關於類別預測的任務\n\n6.2 以 Scikit-Learn 預測器完成類別預測任務\n\n6.3 羅吉斯迴歸\n\n6.4 自訂羅吉斯迴歸類別 LogitReg\n\n6.5 二元分類延伸至多元分類：One versus rest\n\n6.6 二元分類延伸至多元分類：Softmax 函式\n\n6.7 兩種表示類別向量的形式\n\n6.8 延伸閱讀\n\nCHAPTER 7 表現的評估\n\n7.1 如何評估機器學習演算方法\n\n7.2 評估數值預測任務的表現\n\n7.3 評估類別預測任務的表現\n\n7.4 自訂計算評估指標的類別 ClfMetrics...","shipping_methods":[{"name":"郵局掛號","fee":0,"currency":"TWD"},{"name":"7-ELEVEN取貨付款","fee":0,"currency":"TWD"},{"name":"萊爾富取貨付款","fee":0,"currency":"TWD"},{"name":"面交/自取/不寄送","fee":0,"currency":"TWD"}],"lowest_shipping_fee":null,"payment_methods":["ATM轉帳","萊爾富取貨付款","7-ELEVEN取貨付款"],"category_id":"2092073795","category_name":"程式語言","breadcrumb":[{"id":"3994318","name":"圖書/影音/文具","url":"/tw/%E5%9C%96%E6%9B%B8-%E5%BD%B1%E9%9F%B3-%E6%96%87%E5%85%B7-3994318-category.html"},{"id":"2092064185","name":"圖書與雜誌","url":"/tw/%E5%9C%96%E6%9B%B8%E8%88%87%E9%9B%9C%E8%AA%8C-2092064185-category.html"},{"id":"2092073792","name":"電腦/網路","url":"/tw/%E9%9B%BB%E8%85%A6-%E7%B6%B2%E8%B7%AF-2092073792-category.html"},{"id":"2092073795","name":"程式語言","url":"/tw/%E7%A8%8B%E5%BC%8F%E8%AA%9E%E8%A8%80-2092073795-category.html"}],"view_count":0,"watch_count":0}