Python机器学习基础教程
购买/下载
赞 (2581)
本书是机器学习入门书，以Python语言介绍。主要内容包括：机器学习的基本概念及其应用；实践中最常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的高级方法，重点讲解交叉验证和网格搜索；管道的概念；如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。
以机器学习算法实践为重点，使用scikit-learn库从头构建机器学习应用
本书是机器学习入门书，以Python语言介绍。主要内容包括：机器学习的基本概念及其应用；实践中最常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的高级方法，重点讲解交叉验证和网格搜索；管道的概念；如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。
本书特色
机器学习已成为许多商业应用和研究项目不可或缺的一部分，海量数据使得机器学习的应用范围远超人们想象。本书将向所有对机器学习技术感兴趣的初学者展示，自己动手构建机器学习解决方案并非难事！
书中重点讨论机器学习算法的实践而不是背后的数学，全面涵盖在实践中实现机器学习算法的所有重要内容，帮助读者使用Python和scikit-learn库一步一步构建一个有效的机器学习应用。
* 机器学习的基本概念及其应用
* 常用机器学习算法的优缺点
* 机器学习所处理的数据的表示方法，包括重点关注数据的哪些方面
* 模型评估和调参的高级方法
* 管道的概念
* 处理文本数据的方法，包括文本特有的处理方法
* 进一步提高机器学习和数据科学技能的建议
作者介绍
Andreas C. Müller，scikit-learn库维护者和核心贡献者。现任哥伦比亚大学数据科学研究院讲师，曾任纽约大学数据科学中心助理研究员、亚马逊公司计算机视觉应用的机器学习研究员。在波恩大学获得机器学习博士学位。
Sarah Guido，Mashable公司数据科学家，曾担任Bitly公司首席数据科学家。
购买链接
下载电子书
电子书正在添加中，请过几天再来！
版权声明
O'Reilly Media, Inc. 介绍
前言
第 1 章 引言
第 2 章 监督学习
第 3 章 无监督学习与预处理
第 4 章 数据表示与特征工程
第 5 章 模型评估与改进
第 6 章 算法链与管道
第 7 章 处理文本数据
第 8 章 全书总结
关于作者
关于封面
展开全部目录
评论（0）
发表评论