〇、《机器学习实战》
今天推荐给大家的是《机器学习实战》这本书。
机器学习作为人工智能研究领域中一个极其重要的研究方向(一文章看懂人工智能、机器学习和深度学习),在当下极其热门,甚至可以说在大数据时代的背景下,成为各行业求生存、谋发展的决定性手段。
而《机器学习实战》这本书可以说是除了西瓜书《机器学习》之外的有一本经典入门书籍,不像西瓜书只有成堆的公式和理论,它几乎对于每一个重要的算法都有相应的代码可供学习,是一本非常值得的书籍!!!
该书的豆瓣评分是8.1分,是一本公认的高质量书籍!
书的内容:第一部分主要介绍机器学习基础,以及如何利用算法进行分类;
第二部分开始逐步介绍了多种经典的监督学习算法,如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树(CART)算法等。
第三部分则重点介绍无监督学习及其一些主要算法:k均值聚类算法、Apriori算法、FP-Growth算法。
第四部分介绍了机器学习算法的一些附属工具。
一、目录
具体目录如下:第1章 - 机器学习基础
第2章 - k-近邻算法
第3章 - 决策树
第4章 - 基于概率论的分类方法:朴素贝叶斯
第5章 - Logistic 回归
第6章 - 支持向量机
第7章 - 利用AdaBoost 元算法提高分类性能
第8章 - 预测数值型数据:回归
第9章 - 树回归
第10章 - 利用K-均值聚类算法对未标注数据分组
第11章 - 使用Apriori 算法进行关联分析
第12章 - 使用FP-growth 算法来高效发现频繁项集
第13章 - 利用PCA 来简化数据
第14章 - 利用SVD 简化数据
第15章 - 大数据与MapReduce
全书通过精心编排的实例,切入日常工作任务,摒弃学术化语言,利用高效的可复用Python代码来阐释如何处理统计数据,进行数据分析及可视化。通过各种实例,可从中学会机器学习的核心算法,并能将其运用于一些策略性任务中,如分类、预测、推荐。另外,还可用它们来实现一些更高级的功能,如汇总和简化等。
中英两个版本的电子书和书中前十章的Python3写的详细代码已经在这个GitHub项目下开源了,欢迎fork!!!同时项目中还有数据集和源代码,可以直接直接运行!!!
GitHub地址:《机器学习实战》及代码(基于Python3)github.com
如果想要看视频进行学习的话,推荐一个开源组织发布的视频(apachecn打钱!)!编码能力强 - 建议看《机器学习实战-教学版》
编码能力弱 - 建议看《机器学习实战-讨论版》
B站地址:哔哩哔哩apachecnspace.bilibili.com
二、后记
如果想要更多的资源,欢迎关注 @tefuirnever,文字强迫症MAX。
资源推荐:tefuirnever:吐血整理深度学习入门路线及导航【教学视频+大神博客+书籍整理】+【资源页】zhuanlan.zhihu.com
想看更多文(段)章(子),欢迎关注微信公众号「程序员管小亮」~