基本信息
- 作者： [美] 丹尼尔·怀特纳克（Daniel Whitenack）
- 丛书名： 数据科学与工程技术丛书
- 出版社：机械工业出版社
- ISBN：9787111609797
- 上架时间：2018-10-18
- 出版日期：2018 年10月
- 开本：16开
- 页码：225
- 版次：1-1
- 所属分类：计算机 > 软件与程序设计 > 综合 > 高级程序语言设计
编辑推荐
机器学习Go语言实现
[ 美 ] 丹尼尔·怀特纳克（Daniel Whitenack） 著
谢文江 姜明魁 译
Machine Learning With Go
内容简介
目录
译者序
前言
第1章 数据的收集和组织1
1.1 数据处理-Gopher方式2
1.2 Go语言收集和组织数据的最佳实践4
1.3 CSV文件5
1.3.1 从文件中读取CSV数据5
1.3.2 处理非预期的域6
1.3.3 处理非预期的类型7
1.3.4 用数据帧操作CSV数据9
1.4 JSON11
1.4.1 JSON的解析11
1.4.2 JSON的输出14
1.5 SQL-like数据库14
1.5.1 连接到一个SQL数据库15
1.5.2 查询数据库15
1.5.3 修改数据库17
1.6 缓存17
1.6.1 在内存中缓存数据17
1.6.2 在本地磁盘中缓存数据18
前言
第1章 数据的收集和组织1
1.1 数据处理-Gopher方式2
1.2 Go语言收集和组织数据的最佳实践4
1.3 CSV文件5
1.3.1 从文件中读取CSV数据5
1.3.2 处理非预期的域6
1.3.3 处理非预期的类型7
1.3.4 用数据帧操作CSV数据9
1.4 JSON11
1.4.1 JSON的解析11
1.4.2 JSON的输出14
1.5 SQL-like数据库14
1.5.1 连接到一个SQL数据库15
1.5.2 查询数据库15
1.5.3 修改数据库17
1.6 缓存17
1.6.1 在内存中缓存数据17
1.6.2 在本地磁盘中缓存数据18
媒体评论
本书旨在帮帮助你成为高效、创新的数据分析师，能使用Go语言构建健壮而有价值的应用。因此，本书不仅会清楚地介绍利用Go语言构建预测模型的技术，还会帮助你理解如何在真实场景中应用机器学习工作流程。
本书向你展示了如何在机器学习中提高效率，同时生产出保持高度完整性的应用，还给出一些模式，用以应对在将机器学习集成到工程组织中时经常遇到的挑战。
通过阅读本书，你将：
? 了解数据收集、组织、解析和清理
? 探索矩阵、线性代数、统计学和概率论
? 了解如何评估和验证模型
? 了解回归、分类和集群
? 了解神经网络和深度学习
? 利用时序模型和异常检测
? 掌握部署、分布分析和模型的技术
? 优化机器学习流程技术
本书向你展示了如何在机器学习中提高效率，同时生产出保持高度完整性的应用，还给出一些模式，用以应对在将机器学习集成到工程组织中时经常遇到的挑战。
通过阅读本书，你将：
? 了解数据收集、组织、解析和清理
? 探索矩阵、线性代数、统计学和概率论
? 了解如何评估和验证模型
? 了解回归、分类和集群
? 了解神经网络和深度学习
? 利用时序模型和异常检测
? 掌握部署、分布分析和模型的技术
? 优化机器学习流程技术
