Python机器学习
作 者: (美)鲍尔斯(Michael Bowles) 著；沙嬴, 译
定 价: 69
出 版 社: 人民邮电出版社
出版日期: 2017年01月01日
页 数: 316
装 帧: 平装
ISBN: 9787115433732
●章关于预测的两类核心算法1
●1.1为什么这两类算法如此有用1
●1.2什么是惩罚回归方法6
●1.3什么是集成方法8
●1.4算法的选择9
●1.5构建预测模型的流程.11
●1.5.1构造一个机器学习问题12
●1.5.2特征提取和特征工程14
●1.5.3确定训练后的模型的性能15
●1.6各章内容及其依赖关系15
●1.7小结17
●1.8参考文献17
●第2章通过理解数据来了解问题19
●2.1“解剖”一个新问题19
●2.1.1属性和标签的不同类型决定模型的选择21
●2.1.2新数据集的注意事项22
●2.2分类问题：用声纳发现未爆炸的水雷23
●2.2.1“岩石vs水雷”数据集的物理特性23
●2.2.2“岩石vs水雷”数据集统计特征27
●2.2.3用分位数图展示异常点30......
内容简介
在学习和研究机器学习的时候，面临令人眼花缭乱的算法，机器学习新手往往会不知所措。本书从算法和Python语言实现的角度，帮助读者认识机器学习。本书专注于两类核心的“算法族”，即惩罚线性回归和集成方法，并通过代码实例来展示所讨论的算法的使用原则。全书共分为7章，详细讨论了预测模型的两类核心算法、预测模型的构建、惩罚线性回归和集成方法的具体应用和实现。
本书主要针对想提高机器学习技能的Python开发人员，帮助他们解决某一特定的项目或是提升相关的技能。
(美)鲍尔斯(Michael Bowles) 著；沙嬴, 译
Michael Bowles，在硅谷黑客道场教授机器学习，提供机器学习项目咨询，同时参与了多家创业公司，涉及的领域包括生物信息学、金融高频交易等。他在麻省理工学院获得助理教授教职后，创建并运营了两家硅谷创业公司，这两家公司都已成功上市。他在黑客道场的课程往往听者云集并且好评颇多。
评论晒单