本书内容分为八章，基本涵盖了目前较为常用的数据科学建模方法，包括现在热门的深度学习。书中不仅介绍模型的理论基础，还以大量案例结合现实数据为读者展示了数据分析中常见任务的处理流程，如分类、回归、聚类、推荐、图片识别等，帮助读者应用这些模型和方法解决实际问题。第1章首先对数据科学的任务和重要性进行了概述，接着介绍数据科学的建模流程以及Python语言开发环境与常用库；第二章介绍了回归模型，包括线性回归和逻辑回归模型；第三章介绍了聚类模型，包括k-means算法、DBSCAN算法和DIANA算法；第四章介绍了关联规则分析，包括Apriori算法和FP-Growth算法；第五章介绍了决策树模型，包括ID3、C4.5和CART算法及树的剪枝方法；第六章介绍了支持向量机，包括线性和非线性支持向量机以及向量机的求解与多分类问题；第七章介绍了贝叶斯网络，包括朴素贝叶斯、TAN贝叶斯和无约束贝叶斯；第八章介绍了深度学习，包括卷积神经网络和循环神经网络。材，整理编撰了本实验指导教材，以供嵌入式系统课程的实验教学之用。 目前的嵌入式系统主要分为跑操作系统和不跑操作系统两种类型，本实验指导教材侧重于第1种类型，全书以Linux为操作系统，重点讲述了Linux基本命令、Linux下的程序开发、Linux下字符型驱动程序开发、Linux按键中断程序、Linux网络应用开发以及Linux内核定制等相关内容，为学生动手实践嵌入式Linux系统开发提供指导和帮助，力求把学生学习时的挫折感降至低。

  ·点击进入下载地址