Python 机器学习基础教程
Andreas C. Müller & Sarah Guido
736
已阅读
44.3
万字

内容简介

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。

  • 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

作者简介

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。

Guido,Mashable 公司数据科学家,曾担任 Bitly 公司首席数据科学家。

本书内容
前言
第1章 引言
第1章 引言(一)
第1章 引言(二)
第2章 监督学习
第2章 监督学习(一)
第2章 监督学习(二)
第2章 监督学习(三)
第2章 监督学习(四)
第2章 监督学习(五)
第3章 无监督学习与预处理
第3章 无监督学习与预处理(一)
第3章 无监督学习与预处理(二)
第3章 无监督学习与预处理(三)
第4章 数据表示与特征工程
第4章 数据表示与特征工程(一)
第4章 数据表示与特征工程(二)
第5章 模型评估与改进
第5章 模型评估与改进(一)
第5章 模型评估与改进(二)
第5章 模型评估与改进(三)
第6章 算法链与管道
第7章 处理文本数据
第7章 处理文本数据(一)
第7章 处理文本数据(二)
第8章 全书总结

极客书购买须知

  1. 本产品为《Python 机器学习基础教程》一书电子版全本内容,共计 44.3 万字。
  2. 付费购买用户、会员用户可享受文章永久阅读权限。
  3. 本产品为虚拟产品,一经付费概不退款,敬请谅解。
  4. 本产品内容授权自北京图灵文化发展有限公司。
  5. 极客书同时可在 http://gitbook.cn/ 购买与阅读。
推荐极客书
更多极客书
微信扫描登录