Go语言机器学习实战 机械工业出版社 pmlz 2025 pdf 下载 kindle mobi docx 百度云

《Go语言机器学习实战》主要介绍了如何在Go语言中部署程序从而实现机器学习算法。主要内容包括：利用Go语言中的库和功能来配置机器学习环境，对实际生活中的房价数据集进行回归分析，在Go语言中构建分类模型来区分垃圾电子邮件，通过聚类整理个人推特账户的时间线。此外，本书还介绍了用神经网络和卷积神经网络进行手写体识别，以及以人脸检测项目为例，介绍了如何选择适合于具体项目的机器学习算法。本书适合于从事人工智能、机器学习、Go语言程序设计等相关工作的程序员、数据科学研究人员作为参考学习用书。

译者序

原书前言

第1章如何解决机器学习中的所有问题//1

1.1什么是一个问题//1

1.2什么是一个算法//2

1.3什么是机器学习//3

1.4是否需要机器学习//3

1.5一般问题解决过程//4

1.6什么是一个模型//5

1.6.1什么是一个好的模型//6

1.7本书主要内容与章节安排//6

1.8为什么选择Go语言//7

1.9快速启动//7

1.10函数//7

1.11变量//8

1.11.1值//9

1.11.2类型//9

1.11.3方法//11

1.11.4接口//11

1.11.5包和导入//12

1.12开始//13

第2章线性回归——房价预测//14

2.1项目背景//15

2.2探索性数据分析//15

2.2.1数据摄取和索引//16

2.2.2数据清洗工作//18

2.2.3进一步的探索性工作//25

2.2.4标准化//33

2.3线性回归//34

2.3.1回归//35

2.3.2交叉验证//37

2.4讨论和下一步的工作//39

2.5小结//40

第3章分类——垃圾邮件检测//41

3.1项目背景//41

3.2探索性数据分析//42

3.2.1数据标记//42

3.2.2规范化和词干提取//45

3.2.3停用词//45

3.2.4数据摄取//46

3.3分类器//47

3.4朴素贝叶斯//48

3.4.1TF-IDF//48

3.4.2条件概率//49

3.4.3特征//51

3.4.4贝叶斯定理//51

3.5分类器实现//52

3.5.1类//53

3.5.2分类器第Ⅱ部分//54

3.6程序整合//58

3.7小结//61

第4章利用时间序列分析分解二氧化碳趋势//62

4.1探索性数据分析//62

4.1.1从非HTTP数据源下载//63

4.1.2处理非标准数据//63

4.1.3处理小数型日期//64

4.1.4绘图//65

4.2分解//68

4.2.1STL//69

4.2.2更多绘制内容//81

4.3预测//86

4.4小结//89

参考文献//89

第5章通过聚类整理个人推特账户的时间线//90

5.1项目背景//90

5.2K均值//90

5.3DBSCAN//92

5.4数据采集//92

5.5探索性数据分析//92

5.6数据信息//96

5.6.1处理器//97

5.6.2单字预处理//99

5.6.3单条推特处理//103

5.7聚类//103

5.7.1K均值聚类//104

5.7.2DBSCAN聚类//105

5.7.3DMMClust聚类//107

5.8实际数据//108

5.9程序//111

5.10程序调整//113

5.10.1距离调整//114

5.10.2预处理步骤调整//115

5.11小结//117

第6章神经网络——MNIST手写体识别//118

6.1神经网络//118

6.1.1模拟神经网络//119

6.2线性代数101//121

6.2.1激活函数探讨//123

6.3学习功能//125

6.4项目背景//126

6.4.1Gorgonia//126

6.4.2数据获取//126

6.4.3什么是张量//129

6.4.4构建神经网络//138

6.4.5前馈//139

6.4.6利用maybe类型进行错误处理//140

6.4.7前馈函数说明//142

6.4.8成本//143

6.4.9反向传播//143

6.5神经网络训练//146

6.6交叉验证//148

6.7小结//150

第7章卷积神经网络——MNIST手写体识别//151

7.1有关神经元的一切认识都是错误的//151

7.2回顾神经网络//151

7.2.1Gorgonia//152

7.2.2构建一个神经网络//161

7.3项目//164

7.3.1数据获取//164

7.3.2上一章的其他内容//166

7.4CNN简介//168

7.4.1什么是卷积//168

7.4.2优选池化//176

7.4.3退出//176

7.5构建一个CNN//176

7.5.1反向传播//180

7.6运行神经网络//182

7.7测试//186

7.7.1准确率//188

7.8小结//189

第8章基本人脸检测//190

8.1什么是人脸//190

8.1.1Viola-Jones//191

8.2PICO//194

8.2.1关于学习的注意事项//194

8.3GoCV//195

8.3.1API//195

8.4PIGO//195

8.5人脸检测程序//196

8.5.1从网络摄像头获取图像//196

8.5.2图像显示//197

8.5.3在图像上涂鸦//198

8.5.4人脸检测1//198

8.5.5人脸检测2//200

8.5.6算法结合//205

8.6算法评估//206

8.7小结//208

第9章热狗或者不是热狗——使用外部服务//209

9.1MachineBox//209

9.2什么是MachineBox//210

9.2.1登录和注册//210

9.2.2Docker安装与设置//211

9.2.3在Go语言中使用MachineBox//211

9.3项目//212

9.3.1训练//212

9.3.2从网络摄像头读取图像//213

9.3.3美化结果//214

9.4结果//216

9.5这一切意味着什么//218

9.6为什么采用MachineBox//219

9.7小结//219

第10章今后发展趋势//220

10.1读者应该关注什么//221

10.1.1从业者//221

10.1.2研究人员//221

10.2研究人员、从业者及其利益相关者//222

10.3本书未涉及的内容//222

10.4更多学习资源//223

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：Go语言机器学习实战 机械工业出版社在线阅读

在线听书地址：Go语言机器学习实战 机械工业出版社在线收听

在线购买地址：Go语言机器学习实战 机械工业出版社在线购买

暂无原文赏析，正在全力查找中！

编辑推荐

通过本书你将学习以下内容：使用Go库设置机器学习环境使用Gonum执行回归和分类使用Go库探索时间序列模型并分解趋势通过聚集推文来清理您的Twitter时间轴学习使用外部服务来满足您的机器学习需求使用神经网络和CNN与Gorgonia识别手写使用GoCV和OpenCV实现面部识别

书籍介绍

《GO语言机器学习实战》主要介绍了如何在Go语言中部署程序从而实现机器学 习算法。主要内容包括:利用Go语言中的库和功能来配置机器学习环境，对实际生活中的房价数据集进行 回归分析，在Go语言中构建分类模型来区分垃圾电子邮件，通过聚类整理个人推特账户的时间线。此外， 本书还介绍了用神经网络和卷积神经网络进行手写体识别，以及以人脸检测项目为例，介绍了如何选择适 合于具体项目的机器学习算法。