开发者社区> python人工智能命理> 正文
阿里云
为了无法计算的价值
打开APP
阿里云APP内打开

python人工智能机器学习工具书籍: scikit-learn Cookbook 2nd Edition

简介: 简介 本书包括对机器学习中常见问题和不常见问题的演练和解决方案,以及如何利用scikit-learn有效地执行各种机器学习任务。 第二版首先介绍评估数据统计属性的方法,并为机器学习建模生成合成数据。当您逐步完成这些章节时,您会遇到一些食谱,它们将教您实施数据预处理,线性回归,逻辑回归,KNN,NaïveBayes,分类,决策树,合奏等技术。
+关注继续查看

简介

本书包括对机器学习中常见问题和不常见问题的演练和解决方案,以及如何利用scikit-learn有效地执行各种机器学习任务。

第二版首先介绍评估数据统计属性的方法,并为机器学习建模生成合成数据。当您逐步完成这些章节时,您会遇到一些食谱,它们将教您实施数据预处理,线性回归,逻辑回归,KNN,NaïveBayes,分类,决策树,合奏等技术。

此外,您将学习使用多级分类,交叉验证,模型评估来优化您的模型,并深入学习使用scikit-learn实现深度学习。

除了涵盖模型部分,API和分类器,回归器和估算器等新功能的增强功能外,本书还包含评估和微调模型性能的方法。在本书的最后,您将探索用于Python的scikit-learn提供的众多功能,以解决您遇到的任何机器学习问题。

图片.png

参考资料

内容

1:高性能机器学习 - NUMPY
2:预模型工作流程和预处理
3:减少尺寸
4:SCIKIT-LEARN线性模型
5:线性模型 - 逻辑回归
6:具有距离度量的模型
7:交叉验证和后模型工作流程
8:支持矢量机
9:树算法和插件
10:具有SCIKIT-LEARN的文本和多层分类
11:神经网络
12:创建简单的估计器

你将学到什么

  • 使用scikit-learn在几分钟内构建预测模型
  • 理解分类和回归之间的差异和关系,两种类型的监督学习。
  • 使用距离度量来预测聚类,这是一种无监督学习
  • 找到与Nearest Neighbors具有相似特征的点。
  • 使用自动化和交叉验证来查找最佳模型,并专注于数据产品
  • 选择众多最佳算法或在整体中一起使用它们。
  • 使用sklearn的简单语法创建自己的估算器
  • 探索scikit-learn中提供的前馈神经网络

作者

  • 朱利安.阿维拉

Julian Avila是金融和计算机视觉领域的程序员和数据科学家。他毕业于麻省理工学院(MIT)数学专业,研究量子力学计算,涉及物理,数学和计算机科学。在麻省理工学院期间,朱利安首先通过与CSAIL实验室的朋友讨论,获得古典和弗拉门戈吉他,机器学习和人工智能。

他开始在中学编程,包括游戏和几何艺术动画。他成功地参加了数学和编程,并在麻省理工学院的几个小组工作。 Julian用优雅的Python编写了完整的软件项目,并进行了即时编译。他的一些令人难忘的项目包括大型面部识别系统,用于GPU上的神经网络视频,识别图片中的神经元部分,及股票市场交易程序。

  • 特伦特.豪克
    Trent Hauck是一位在西雅图地区生活和工作的数据科学家。他在堪萨斯州的威奇托长大,并获得了堪萨斯大学的本科和研究生学位。他是“使用pandas How-to,Packt Publishing”这本书的即时数据密集型应用程序的作者,这本书可以帮助您快速掌握pandas和其他相关技术。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
干货 | Python人工智能在贪吃蛇游戏中的应用探索(上)(一)
干货 | Python人工智能在贪吃蛇游戏中的应用探索(上)
84 0
干货 | Python人工智能在贪吃蛇游戏中的应用探索(上)(三)
干货 | Python人工智能在贪吃蛇游戏中的应用探索(上)(三)
124 0
干货 | Python人工智能在贪吃蛇游戏中的应用探索(上)(二)
干货 | Python人工智能在贪吃蛇游戏中的应用探索(上)(二)
56 0
python str模块
python str模块
68 0
apt安装python-ldap报错处理及python LDAP各种模块之间的区别
apt安装python-ldap报错处理及python LDAP各种模块之间的区别
290 0
mutagen-处理音频元数据的Python模块
Mutagen是处理音频元数据的Python模块。它支持ASF,FLAC,MP4,Monkey's Audio,MP3,Musepack,Ogg Opus,Ogg FLAC,Ogg Speex,Ogg Theora,Ogg Vorbis,True Audio,WavPack,OptimFROG和AIFF音频文件。支持所有版本的ID3v2,并解析所有标准的ID3v2.4帧。它可以读取Xing标头,以准确计算MP3的比特率和长度。无论音频格式如何,都可以编辑ID3和APEv2标签。它还可以在单个数据包/页面级别上处理Ogg流。
831 0
requests模块的使用 | 手把手教你入门Python之一百一十八
除了使用浏览器给服务器发送请求以外,我们还可以使用第三方模块requests用代码来给服务器发送器请求,并获取结果。
2021 0
Sys模块的使用 | 手把手教你入门Python之七十四
介绍了sys.stdin,sys.stdout,sys.stderr的使用
959 0
一篇文章带你读懂Python的模块
模块是Python文件的一种形式,以.py结尾,包含了Python对象定义和Python语句,让开发者能够有逻辑地组织Python代码段。
845 0
+关注
python人工智能命理
提供书籍寻找服务,十元一本起,不成功不收费。 曾任职于腾讯、华为等公司,独立带队完成大型项目的全系统测试,担任过技术总监、测试经理以及测试专家职位。现任某主流公司自动化测试架构师。
170
文章
1
问答
来源圈子
更多
+ 订阅
文章排行榜
最热
最新