简介
使用Keras，H2O，Scikit-Learn，Pandas等实现机器学习算法来构建集合模型
主要特点
- 使用基于配方的方法应用流行的机器学习算法
- 实施增强，装袋和堆叠集合方法以改进机器学习模型
- 发现真实世界的合奏应用，并在Kaggle比赛中遇到复杂的挑战
集合建模是一种用于提高机器学习模型性能的方法。它结合了两个或多个相似或不同的机器学习算法，以提供卓越的智力。本书将帮助您实现流行的机器学习算法，以涵盖不同的集成机器学习范例，如增强，装袋和堆叠。
Ensemble Machine Learning Cookbook将首先让您熟悉集成技术和探索性数据分析的基础知识。然后，您将学习如何实现与统计和机器学习算法相关的任务，以了解多个异构算法的集合。它还将确保您不会错过关键主题，例如重新采样方法。随着您的进步，您将更好地了解套袋，增强，堆叠以及使用真实世界示例使用随机森林算法。本书将重点介绍这些集合方法如何使用多个模型来改善机器学习结果，与单个模型相比。在最后的章节中，您将深入研究使用神经网络，自然语言处理等的高级集成模型。您还可以实施欺诈检测，文本分类和情绪分析等模型。
在本书的最后，您将能够利用集成技术和机器学习算法的工作机制，使用单独的配方构建智能模型。
你会学到什么
- 了解如何将机器学习算法用于回归和分类问题
- 实施集成技术，例如平均，加权平均和最大投票
- 掌握先进的整体方法，例如自举，装袋和堆叠
- 使用随机森林进行分类和回归等任务
- 实现同构和异构机器学习算法的集合
- 学习并实施各种提升技术，例如AdaBoost，Gradient Boosting Machine和XGBoost
这本书的目的是谁
本书专为数据科学家，机器学习开发人员和深度学习爱好者而设计，他们希望深入研究机器学习算法，以构建强大的集成模型。 Python编程和基本统计的工作知识是帮助您掌握本书概念的必要条件。
参考资料
- 下载：https://www.jianshu.com/p/29ee7bebdd72
- 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(持续更新)
- Format Pdf
- Page Count 256 Pages
- Author Delip Rao和Brian McMahon
