python人工智能机器学习工具书籍: scikit-learn Cookbook 2nd Edition
简介
本书包括对机器学习中常见问题和不常见问题的演练和处理方案,以及如何利用scikit-learn有效地执行各种机器学习任务。
第二版首先详情评估数据统计属性的方法,并为机器学习建模生成合成数据。当您逐渐完成这些章节时,您会遇到少量食谱,它们将教您实施数据预解决,线性回归,逻辑回归,KNN,Na?veBayes,分类,决策树,合奏等技术。
此外,您将学习使用多级分类,交叉验证,模型评估来优化您的模型,并深入学习使用scikit-learn实现深度学习。
除了涵盖模型部分,API和分类器,回归器和估算器等新功能的加强功能外,本书还包含评估和微调模型性能的方法。在本书的最后,您将探究用于Python的scikit-learn提供的众多功能,以处理您遇到的任何机器学习问题。
图片.png
参考资料
- 下载:https://itbooks.pipipan.com/fs/18113597-337682953
- 探讨qq群144081101 591302926 567351477
- 本文最新版本地址
- 本文涉及的python测试开发库 谢谢点赞!
- 本文相关海量书籍下载
- 2018最佳人工智能机器学习工具书及下载(持续升级)
内容
1:高性能机器学习 – NUMPY
2:预模型工作流程和预解决
3:减少尺寸
4:SCIKIT-LEARN线性模型
5:线性模型 – 逻辑回归
6:具备距离度量的模型
7:交叉验证和后模型工作流程
8:支持矢量机
9:树算法和插件
10:具备SCIKIT-LEARN的文本和多层分类
11:神经网络
12:创立简单的预计器
你将学到什么
- 使用scikit-learn在几分钟内构建预测模型
- 了解分类和回归之间的差异和关系,两种类型的监督学习。
- 使用距离度量来预测聚类,这是一种无监督学习
- 找到与Nearest Neighbors具备类似特征的点。
- 使用自动化和交叉验证来查找最佳模型,并专注于数据产品
- 选择众多最佳算法或者在整体中一起使用它们。
- 使用sklearn的简单语法创立自己的估算器
- 探究scikit-learn中提供的前馈神经网络
作者
- 朱利安.阿维拉
Julian Avila是金融和计算机视觉领域的程序员和数据科学家。他毕业于麻省理工学院(MIT)数学专业,研究量子力学计算,涉及物理,数学和计算机科学。在麻省理工学院期间,朱利安首先通过与CSAIL试验室的朋友探讨,取得古典和弗拉门戈吉他,机器学习和人工智能。
他开始在中学编程,包括游戏和几何艺术动画。他成功地参与了数学和编程,并在麻省理工学院的几个小组工作。 Julian用优雅的Python编写了完整的软件项目,并进行了即时编译。他的少量令人难忘的项目包括大型面部识别系统,用于GPU上的神经网络视频,识别图片中的神经元部分,及股票市场交易程序。
- 特伦特.豪克
Trent Hauck是一位在西雅图地区生活和工作的数据科学家。他在堪萨斯州的威奇托长大,并取得了堪萨斯大学的本科和研究生学位。他是“使用pandas How-to,Packt Publishing”这本书的即时数据密集型应用程序的作者,这本书可以帮助您快速掌握pandas和其余相关技术。
1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长!
2. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
3. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
5. 如有链接无法下载、失效或广告,请联系管理员处理!
6. 本站资源售价只是摆设,本站源码仅提供给会员学习使用!
7. 如遇到加密压缩包,请使用360解压,如遇到无法解压的请联系管理员
开心源码网 » python人工智能机器学习工具书籍: scikit-learn Cookbook 2nd Edition