|
-- 會員 / 註冊 --
|
|
|
|
Python機器學習 ( 繁體 字) |
作者:Sebastian Raschka | 類別:1. -> 程式設計 -> Python |
譯者: |
出版社:博碩文化 | 3dWoo書號: 45227 詢問書籍請說出此書號!【缺書】 【不接受訂購】 |
出版日:9/16/2016 |
頁數:432 |
光碟數:0 |
|
站長推薦: |
印刷:黑白印刷 | 語系: ( 繁體 版 ) |
|
【不接受訂購】 | ISBN:9789864341405 |
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
作者序: |
譯者序: |
前言: |
內容簡介:Python Machine Learning「機器學習」(machine learning)已是一門改變資料分析方式的重要學科,而本書將引領你進入預測性分析的世界,透過在科學領域已應用得相當廣泛的 Python 程式語言進行實作。藉由本書,可以幫助你對資料分析的方式做出最佳決策,或是用於提昇機器學習系統的效能。內容包含 scikit-learn、Theano 及 Keras 等一系列強大的 Python 函式庫,並為情緒分析、類神經網路等議題提供指引與訣竅。綜合本書所學知識後,便能夠為你的組織或研究提供最佳解答。你能夠從本書學習到探索各種不同的機器學習模型,為你的需求提供多種解決方案。利用 Theano 與 Keras 建構類神經網路運算。撰寫清晰、優雅的 Python 程式碼,使演算法效益最大化。將機器學習模型嵌入於 Web 應用程式之中。透過迴歸分析來預測連續性目標的結果。藉由集群分析發掘隱藏的資料模式與結構。利用高效率的預處理技術來組織資料,並應用最佳實踐來評估機器學習模型。深入探索文字資料及社群媒體資料以實現情緒分析。適用讀者期望運用 Python 程式語言,從大量資料中取得重要資訊之人士。無論是初次踏入資料科學的領域,還是已具備相關經驗,本書都可作為實用的重點參考資源。 |
目錄:01 賦予電腦從數據中學習的能力 02 訓練機器學習的分類演算法 03 使用 scikit-learn 巡覽機器學習分類器 04 建構良好的訓練數據集——數據預處理 05 降維來壓縮數據 06 學習模型評估和超參數調校的最佳實作 07 結合不同模型來做整體學習 08 將機器學習應用於情緒分析 09 在 Web 應用程式上嵌入機器學習模型 10 以迴歸分析預測連續目標變量 11 使用未標記的數據——集群分析 12 訓練類神經網路來做圖形識別 13 以 Theano 平行化地訓練類神經網路
|
序: |
|