一行指令學Python:用機器學習掌握人工智慧(第二版)[95折]11101005902 TAAZE讀冊生活網路書店
1. 透過LINE購物進入蝦皮後禁止再透過蝦皮直播下單,避免訂單認列異常
2. 請務必「清空」蝦皮購物車,再透過LINE購物連結至蝦皮商店進行購買 ;先把商品加入購物車,再從LINE購物連結至蝦皮結帳,將無法獲得點數回饋。
3. 請避免連續下單,若您完成交易後,想下第二張訂單,請重新從LINE購物連結至蝦皮商店進行購買
4. 電子票券及繳費服務類別:回饋0%。
5. 請留意,蝦皮超市內的商品(蝦皮超市、蝦皮直送美妝、蝦皮免運直送)不隸屬於蝦皮商城,點數回饋請依照「蝦皮超市」商店頁為主。
6. 蝦皮商城之訂單適用於部分點數紅包,規範請依該紅包頁說明為主。
7. 點數回饋將依照蝦皮提供扣除折價券、運費與蝦幣後之最終金額進行計算。
8. 同一商品品項(即便不同尺寸規格),皆會計入同一筆返點上限進行計算
9. 用戶需於同一瀏覽器進行交易(若自動跳轉 APP,請在 APP交易)。
10. 若使用不同物流或付款方式,將拆分成不同筆訂單編號發送通知。
11. 若使用折價券折抵,可能會有攤提折抵導致訂單金額些微落差
12. 蝦皮會將LINE的導購跳轉紀錄與蝦皮的會員ID進行綁定,若後續七天內未透過其他媒體來源導入蝦皮官網,則七天內於該蝦皮帳號下訂的首筆訂單會被蝦皮認列為該LINE用戶導購跳轉時所成立之訂單。
13. 若同一用戶使用一個以上蝦皮帳號透過LINE購物進行導購,將可能導致無法收到導購通知,亦可能無法收到點數,再請留意。
[注意事項]
1.如導購途中用戶由網頁版(電腦版/手機版網頁)切換為 App 會造成追蹤中斷而無法進行 LINE Points 回饋
2.若購買過程中關閉蝦皮APP,則需重新透過LINE購物前往蝦皮商城,否則無法進行LINE POINTS 回饋。 / 3.如用戶先前往蝦皮商城將商品加入購物車,後續透過LINE購物前往至蝦皮商城將購物車結清,此方案將不列入 LINE Points 回饋
4.若因系統異常無法追蹤訂單,致使消費者無接收到點數回饋,蝦皮保有更改條款與法律追訴之權利
5. LINE購物商品價格若與蝦皮賣場實際價格有異,以蝦皮賣場價格為準同款比價 | 為您推薦2個賣場2個同款賣場2個同款賣場
價格低到高
商品描述
商品資料
作者:徐聖訓
出版社:全華圖書股份有限公司
出版日期:2023/03/02
ISBN/ISSN:9786263284067
語言:繁體/中文
裝訂方式:平裝
頁數:418
原價:520
------------------------------------------------------------------------
內容簡介
1. 本書利用Python的sklearn套件做資料預處理。
2. 學習主題「監督式的機器學習模型」包含:簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、K最近鄰、支持向量機、決策樹、隨機森林等。
3. 「非監督模型」介紹Kmeans。
4. 利用ColumnTransformer、管道器設計簡潔的機器學習程式,實作各種模型的正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線等指標。
現在學機器學習,正是最好的年代!
在過去要處理資料,就要用C語言撰寫函數;在Python裡,別人已寫好了許多套件,只要像是在玩樂高積木一樣,就能完成你想要的結果。因此我會說,現在是學機器學習最好的時候,你等於是站在巨人的肩膀上學習。
本書沒有複雜的數學,沒有複雜的程式碼,以有系統的編排,引領你進入機器學習的世界。
我們會介紹sklearn的資料預處理;簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、K最近鄰、支持向量機、決策樹、隨機森林等監督式的機器學習模型。而在非監督模型上會介紹Kmeans。
另外,大部分的書不會強調的ColumnTransformer、管道器製作。許多書沒有解釋清楚的模型預測重要指標:正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線,我們也會一次詳細說明,讓你一手掌握。
實例演練時會操作中英文的文字處理,並做情感分析和主題探索。還有知名的大數據資料庫,包括波斯頓房價預測、鳶尾花資料、鐵達尼號資料、威斯康辛大學醫院收集的乳癌腫瘤病患預測、電信公司客戶流失預測、信用卡盜刷預測、Newsgroup新聞群組分類、Amazon商品評論預測、Tripadvisor裡兩家航空公司和數字預測。
最後教大家如何將深度學習的模組也包裝到sklearn。
現在就讓我們一起學習Python,用機器學習掌握人工智慧。
目錄
Ch00 機器學習介紹
第一部分 Python快速複習
Ch01 Python基本功能介紹
Ch02 Pandas DataFrame介紹
第二部分 Sklearn資料預處理
Ch03 資料預處理
第三部分 線性迴歸
Ch04 Simple Regression
Ch05 多元線性迴歸
第四部分 監督式學習
Ch06 羅吉斯迴歸
Ch07 K最近鄰
Ch08 支持向量機
Ch09 決策樹
Ch10 分類預測模板
Ch11 交叉驗證
Ch12 模型參數挑選和網格搜尋
Ch13 組合預測器
Ch14 員工流失率預測
Ch15 客戶流失率預測
Ch16 信用偵測
第五部分 文字分析
Ch17 文字處理
Ch18 Amazon商品評論分析
Ch19 中文文字處理
第六部分 非監督式學習
Ch20 Kmean集群分析
第七部分 深度學習包裝
Ch21 keras深度學習