《用Python进行监督学习》

通过使用Python开发用例，全面了解监督学习算法。您将学习监督学习的概念，Python代码，数据集，最佳实践，常见问题和陷阱的解决方法，以及为结构化以及文本和图像数据集实现算法的实践知识。

您将首先介绍机器学习，重点介绍有监督，半监督和无监督学习之间的差异。在接下来的章节中，您将研究回归和分类问题，其背后的数学，线性回归，逻辑回归，决策树，KNN，朴素贝叶斯等算法，以及随机森林，SVM，梯度提升和神经网络等高级算法。所有算法都提供了Python实现。您将以一个端到端的模型开发过程作为最后的过程，包括模型的部署和维护。阅读了Python的监督学习后，您将对监督学习及其实际实现有一个广泛的了解，并能够运行代码并以创新的方式扩展它。

您将学到什么

• 复习使用Python的监督学习的基本构建基块和概念

• 为结构化数据以及文本和图像开发有监督的学习解决方案

• 解决有关过度拟合，特征工程，数据清理和交叉验证的问题，以构建最佳拟合模型

• 了解从业务问题定义到模型部署和模型维护的端到端模型周期

• 使用Python创建监督学习模型时，避免常见的陷阱并遵守最佳实践

这本书适合谁

数据科学家或数据分析师对有监督学习的最佳实践和标准感兴趣，并使用分类算法和回归技术来开发预测模型。

后台私信回复“Python监督学习”即可获取下载PDF下载链接