精通機器學習|使用Python Introduction to Machine Learning with Python ( 繁體 字) |
作者:Sarah Guido, Andreas C. Mueller | 類別:1. -> 程式設計 -> Python 2. -> 程式設計 -> 機器學習 |
譯者:李宜修 |
出版社:歐萊禮圖書 | 3dWoo書號: 47924 詢問書籍請說出此書號!【缺書】 【不接受訂購】 |
出版日:10/26/2017 |
頁數:367 |
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:9789864763665 |
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:資料科學的學習指引
“對任何想要使用Python開始機器學習的人,這本書是很棒且超實用的資源。真希望當我開始使用scikit-learn時有這本書!” -Hanna Wallach, 微軟研究院資深研究員
機器學習已成為許多商業應用程式與研究專案的精華部分,但這個領域並不是大公司中規模龐大的研究團隊所獨有。就算是使用Python的初學者,這本書也能教會你實際的方法,來建立自己的機器學習解決方案。以現今可以取得的資料量來說,只要你能想到的,機器學習應用程式都能做到。
你將學習必要的步驟,使用Python和scikit-learn函式庫,來建立成功的機器學習應用程式。作者Andreas Muller和Sarah Guido聚焦於使用機器學習演算法的實務面向,而不是它們背後的數學。熟悉NumPy和matplotlib函式庫,將幫助你能從這本書獲益更多。
透過這本書,你將學到: ?基本概念和機器學習應用程式 ?廣泛應用機器學習演算法的優點和缺點 ?使用機器學習如何重現資料,包含資料的重點面向 ?模型評估的進階方法和參數調整 ?對鏈結模型的pipeline概念和封裝工作流程 ?運作文字資料的方法,包含特定文字的處理技術 ?對改善機器學習和資料科學技巧的建議
|
目錄:前言 chapter 01 導讀 chapter 02 監督式學習 chapter 03 非監督式學習和前處理 chapter 04 資料重現和特徵工程 chapter 05 評估和改善模型 chapter 06 演算法 Chains 和 Pipelines chapter 07 使用文字資料工作 chapter 08 尾聲 索引 |
序: |