本書基于實際應用需求,采用項目教學方式全面介紹了機器學習的各種算法及其應用場景。全書共11個項目,內容涵蓋:機器學習的基礎知識、線性回歸算法、邏輯回歸算法、k近鄰算法、樸素貝葉斯算法、決策樹算法、支持向量機、集成學習、k均值聚類算法、層次聚類算法、人工神經網絡算法和綜合案例。

本書基于Python語言及TensorFlow框架,結合計算機視覺、自然語言處理等方面的項目,全面系統(tǒng)地講述深度學習的相關知識。全書共8個項目,內容涵蓋:搭建深度學習開發(fā)環(huán)境、夯實深度學習開發(fā)基礎、構建神經網絡、利用卷積神經網絡進行圖像處理、利用循環(huán)神經網絡進行文本預測和分類、利用生成對抗網絡進行圖像處理和綜合案例。

本書對基于在線評論情感分析的服務屬性分類與服務要素配置方法進行了較為深入的研究，針對現有研究的薄弱之處，主要開展了以下幾個方面的研究工作：(1)提出了基于在線評論情感分析的服務屬性分類與服務要素配置方法的研究框架；(2)提出了面向服務屬性在線評論的多粒度情感分類方法；(3)提出了基于在線評論的服務屬性Kano分類方法；

本書從二次背包系列問題中的五個典型問題切入，深入分析各個問題的特點，研究它們共性的啟發(fā)式算子和個性的智能算法混合機制。這五個問題覆蓋了多種問題類型，包括單約束問題和多約束問題、單目標問題和多目標問題、靜態(tài)問題和動態(tài)問題。書中提出的共性的啟發(fā)式算子在二次背包系列問題中具有廣泛的適用性，個性的智能算法混合機制在特定的問題類

本書以R語言為實現工具，以數據可視化分析為導向，結合實際數據介紹可視化方法。全書共10章，內容包括數據可視化的基本問題以及R語言數據處理的基本方法、傳統(tǒng)繪圖包graphics和ggplot2包簡介、類別數據可視化、數據分布可視化、變量間關系可視化、樣本相似性可視化、時間序列可視化、概率分布可視化、一些特殊的可視化圖形及

這本書先介紹了如何使用Ppandas在Python中進行數據操作，教您熟悉統(tǒng)計分析和繪圖技術。還將通過多個實踐測試，讓您學會使用Dask分析分布在多臺計算機上的數據。接著還將為您介紹如何在內存無法容納全部數據時，為繪圖聚合數據。本書還將帶領您探索Hadoop(HDFS和YARN)，它可幫助您處理更大的數據集。此外，這本

人類意識與人工智能

本書對支持向量機進行改進并提出若干基于支持向量機的優(yōu)化模型。

本書是一本關于文本挖掘和自然語言處理方向的研究著作，主要研究了如何利用Web挖掘等技術對在線評論進行情感分析，并探討了在線評論情感分析在社會中的意義、應用價值和未來發(fā)展方向。

本書分為以下四個部分:第一部分是金融科技,包括第1章和第2章。第二部分是智慧能源,包括第3章和第4章。其中,第3章為基于區(qū)塊鏈的綠電溯源機制,介紹了綠電業(yè)務流程、區(qū)塊鏈綠電溯源機制的架構,詳細描述了綠電數據上鏈和溯源流程與功能模塊;第4章為基于區(qū)塊鏈的廠網購電費結算,介紹了區(qū)塊鏈廠網購電費結算流程、區(qū)塊鏈廠網購電費結算