--- type: product schema_version: "1.0" canonical_url: "https://tw.bid.yahoo.com/item/101751691235" item_id: "101751691235" title: "二手正版Python機器學習林耿賴軍將羅金炎徐海平柯小玲電子 本店所售圖書均為正版-1838" subtitle: "ISBN編號：9787121411908/n書名：Python機器學習/n作者：林耿, 主編/n出版社：電子工業出版社" condition: "全新品" currency: "TWD" current_price: 344 stock_status: "low_stock" seller: id: "Y2766801021" name: "閔泉古藏" images: - url: "https://img.yec.tw/ob/image/9e98f65d-ae1b-4e74-81d0-5b097ca4ca8b.jpg" role: "main" alt: "商品主圖" category_id: "2092079032" category_name: "研究所用書" 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: "2092073405" name: "教育/考試用書" url: "/tw/%E6%95%99%E8%82%B2-%E8%80%83%E8%A9%A6%E7%94%A8%E6%9B%B8-2092073405-category.html" - id: "2092079028" name: "參考書" url: "/tw/%E5%8F%83%E8%80%83%E6%9B%B8-2092079028-category.html" - id: "2092079032" name: "研究所用書" url: "/tw/%E7%A0%94%E7%A9%B6%E6%89%80%E7%94%A8%E6%9B%B8-2092079032-category.html" observed_at: "2026-09-07T19:41:30.016Z" --- # 二手正版Python機器學習林耿賴軍將羅金炎徐海平柯小玲電子 本店所售圖書均為正版-1838 ## 價格 目前價格：NT$344 庫存狀態：庫存不多 可售數量：1 資料時間：2026-09-07T19:41:30.016Z ## 分類 分類名稱：研究所用書 分類路徑： 圖書/影音/文具 > 圖書與雜誌 > 教育/考試用書 > 參考書 > 研究所用書 ## 商品狀態 商品狀態：全新品 ## 賣家資訊 賣場名稱：閔泉古藏 賣家 ID：Y2766801021 ## 商品描述 下單前先訊息 二手正版Python機器學習林耿賴軍將羅金炎徐海平柯小玲電子 本店所售圖書均為正版二手書，默認，除外，書本均有質量保障，圖書如有侵權請及時告知，我們將會第一時間刪掉鏈接，謝謝! 基本信息 書名Python機器學習 定作者林耿 賴軍將 羅金炎 徐海平 柯小玲版社電子工業版社版日期年7月 ISBN 頁碼 商品重量暫無頁數信息 編輯推薦 暫無信息 內容提要 機器學習是人工智能的核心，也是數據科學的關鍵技術之一，《Python機器學習》以Python語言為基礎從理論和實踐層面介紹了機器學習的各種方法，全書共10章，內容涉及機器學習的基本概念，模型評估與選擇，特征提取與降維，無監督學習，關聯規則及推薦算法，各種啟發式學習算法，集成學習，強化學習及人工神經網絡等，每章都有對應的實例供實踐參考， 目錄 第1章 了解機器學習 1．1 機器學習的基本術語 1．1．1 大數據相關概念 1．1．2 機器學習的發展歷程概述 1．1．3 機器學習的應用現狀 1．2 機器學習的基本流程 1．3 機器學習的發展現狀 1．4 機器學習的環境搭建 1．4．1 Anaconda 1．4．2 PyCharm 1．4．3 漢諾塔案例 1．4．4 機器學習常用package的安裝與介紹 第2章 線性回歸 2．1 線性回歸與邏輯回歸 2．1．1 線性回歸模型 2．1．2 優化方法 2．1．3 損失函數 2．1．4 損失函數的優化 2．1．5 過擬合和欠擬合 2．1．6 利用正則化解決過擬合問題 2．1．7 邏輯回歸 2．1．8 邏輯回歸的損失函數 2．1．9 邏輯回歸實現多分類 2．1．10 邏輯回歸與線性回歸的比較 2．2 決策樹 2．2．1 決策樹的建立 2．2．2 剪枝 2．2．3 CART剪枝 2．3 貝葉斯分類器 2．3．1 貝葉斯優分類器 2．3．2 極大似然估計 2．3．3 樸素貝葉斯分類器 2．4 支持向量機 2．4．1 支持向量機的原理 2．4．2 線性可分支持向量機 2．4．3 非線性支持向量機和核函數 2．4．4 線性支持向量機與松弛變量 2．5 案例 2．5．1 線性回歸案例 2．5．2 邏輯回歸案例 2．5．3 決策樹分類案例 2．5．4 支持向量機分類案例 第3章 模型評估與選擇 3．1 經驗誤差和過擬合 3．1．1 從統計學的角度介紹模型的概念 3．1．2 關于誤差的說法 3．1．3 統計學中的過擬合 3．1．4 機器學習中的過擬合與欠擬合 3．2 模型驗證策略 3．2．1 留法 3．2．2 交叉驗證法 3．3 模型的性能度量 3．3．1 基本概念 3．3．2 性能度量 3．3．3 回歸性能度量指標 3．3．4 回歸問題的評估方法 第4章 特征提取與降維 4．1 特征提取方法――過濾法 4．1．1 過濾法的原理及特點 4．1．2 過濾法的基本類型 4．1．3 過濾法的具體方法 4．2 特征提取方法――封裝法 4．2．1 封裝法的思想 4．2．2 封裝法的代表方法 4．3 特征提取方法――嵌入法 4．3．1 嵌入法的思想 4．3．2 嵌入法的代表方法 4．4 K近鄰學習 4．4．1 K近鄰學習簡介 4．4．2 KNN模型 4．4．3 KNN模型舉例 4．4．4 KNN模型的特點 4．5 主成分分析 4．5．1 主成分分析的定義 4．5．2 主成分分析原理 4．6 K近鄰學習案例 4．6．1 實驗步驟 4．6．2 實驗結果 4．7 主成分分析案例（PCA降維） 4．7．1 實驗步驟 4．7．2 實驗結果 4．7．3 PCA參數介紹 第5章 無監督學習 5．1 Kmeans聚類模型原理 5．1．1 無監督學習 5．1．2 聚類簡介 5．1．3 Kmeans聚類模型原理 5．2 基于層次的分群 5．2．1 層次聚類簡介 5．2．2 層次聚類的原理 5．3 基于密度的分群 5．3．1 DBSCAN算法介紹 5．3．2 DBSCAN算法評．4 聚類模型性能度量 5．4．1 聚類結果好壞的評估指標 5．4．2 距離度量 5．5 案例分析 5．5．1 二分Kmeans聚類案例 5．5．2 基于DBSCAN和AGNES算法的聚類 第6章 關聯規則及推薦算法 6．1 關聯規則 6．1．1 關聯規則簡介 6．1．2 關聯規則相關術語 6．1．3 關聯規則算法 6．2 Apriori算法簡介 6．3 基于內容的過濾和協同過濾 6．3．1 基于內容的過濾 6．3．2 基于協同過濾的推薦 6．3．3 基于用戶的協同過濾 6．3．4 推薦算法的條件 6．4 基于項目的協同過濾 6．4．1 協同過濾簡介 6．4．2 協同過濾算法的主要步驟 6．4．3 應用場景 6．4．4 基于人口統計學的推薦機制 6．5 案例分析 6．5．1 Apriori算法的實... ## 圖片 | 類型 | 圖片 URL | 說明 | |---|---|---| | 主圖 | https://img.yec.tw/ob/image/9e98f65d-ae1b-4e74-81d0-5b097ca4ca8b.jpg | 商品主圖 | ## 運送與付款 運送方式： | 方式 | 費用 | |---|---:| | 宅配/貨運 | 免運費 | | 7-ELEVEN取貨付款 | 免運費 | | 7-ELEVEN取貨不付款 | 免運費 | | 萊爾富取貨付款 | 免運費 | 付款方式： - ATM轉帳 - 萊爾富取貨付款 - 7-ELEVEN取貨付款 ## 退換貨政策 依照消費者保護法規定，網購商品享有七天猶豫期（非試用期），特殊商品除外。 ## Canonical URL https://tw.bid.yahoo.com/item/101751691235