#好书推荐##好书奇遇季#scikit-learn机器学习入门书《scikit-learn机器学习实战》,京东当当天猫都有发售。双色印刷,定价69元,打折一下更便宜。从算法和案例入手,快速掌握机器学习
本书背景
scikit-learn项目最早由数据科学家 David Cournapeau在2007年发起,需要NumPy和SciPy等其他包的支持,它是Python语言中专门针对机器学习应用而发展起来的一款开源框架。
机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构并使之不断改善自身的性能。它是人工智能的核心,即使计算机具有智能的根本途径。
本书针对机器学习这个领域,描述了多种学习模型、策略、算法、理论以及应用,基于Python3使用scikit-learn工具包演示算法解决实际问题的过程。对机器学习感兴趣的读者可通过本书快速入门,快速胜任机器学习岗位,成为人工智能时代的人才。
本书内容
本书共分13章,系统讲解机器学习的典型算法,内容包括机器学习概述、数据特征提取、scikit-learn估计器分类、朴素贝叶斯分类、线性回归、k近邻算法分类和回归、从简单线性回归到多元线性回归、从线性回归到逻辑回归、非线性分类和决策树回归、从决策树到随机森林、从感知机到支持向量机、从感知机到人工神经网络、主成分分析降维。本书的例子都是在Python3集成开发环境Anaconda3中经过实际调试通过的典型案例,同时本书配备了案例的源码和数据集供读者参考。
读者需要了解的重要信息
本书作为机器学习专业图书,介绍机器学习的基本概念、算法流程、模型构建、数据训练、模型评估与调优、必备工具和实现方法,全程以真实案例驱动,案例采用Python3实现。本书涵盖数据获得、算法模型、案例代码实现和结果展示的全过程,以机器学习的经典算法为轴线:算法分析→数据获取→模型构建→推断→算法评估。本书案例具有代表性,结合了理论与实践,并能明确机器学习的目标及完成效果。
本书读者
本书适合大数据分析与挖掘、机器学习与人工智能技术的初学者、研究人员及从业人员,也适合作为高等院校和培训机构大数据、机器学习与人工智能相关专业的师生教学参考。
本书作者
邓立国,东北大学计算机应用博士毕业。广东工业大学任教,主要研究方向:数据挖掘、知识工程、大数据处理、云计算、分布式计算等。著有图书《scikit-learn机器学习实战》《Python数据分析与挖掘实战》《Python大数据分析算法与实例》《Python机器学习算法与应用》《数据库原理与应用(SQL Server 2016版本)》。
本书目录
- 第1章 机器学习概述 1
- 第2章 机器学习之数据特征 9
- 第3章 用scikit-learn估计器分类
- 第4章 朴素贝叶斯分类
- 第5章 线性回归
- 第6章 用k近邻算法分类和回归
- 第7章 从简单线性回归到多元线性回归
- 第8章 从线性回归到逻辑回归
- 第9章 非线性分类和决策树回归
- 第10章 集成方法:从决策树到随机森林
- 第11章 从感知机到支持向量机
- 第12章 从感知机到人工神经网络
- 第13章 主成分分析降维
大数据技术书推荐
- 《Hadoop 3大数据技术快速入门》
- 《Kettle构建Hadoop ETL系统实践》
- 《Flink入门与实战》
- 《Python数据分析与挖掘实战》
- 《Python大数据处理库PySpark实战》
- 《Hadoop构建数据仓库实践》
- 《分布式数据库HBase案例教程》