python可以开发驱动吗_Python机器学习实践：测试驱动的开发方法

Python机器学习实践：测试驱动的开发方法

作者：(美)马修·柯克(Matthew Kirk) 著

出版日期：2017年10月

文件大小：30.91M

支持设备：

￥40.00在线试读

适用客户端：

言商书局

iPad/iPhone客户端：下载 Android客户端：下载PC客户端：下载更多详情：查看

？对图书下载、阅读卡购买有疑问：立即进入帮助中心>>

图书简介

目录

O’Reilly为软件开发人员带来革命性的“动物书”；创建第一个商业网站(GNN)；组织了影响深远的开放源代码峰会，以至于开源软件运动以此命名；创立了Make杂志，从而成为DIY革命的主要先锋；公司一如既往地通过多种形式缔结信息与人的纽带。O’Reilly的会议和峰会集聚了众多超级极客和高瞻远瞩的商业领袖，共同描绘出开创新产业的革命性思想。作为技术人士获取信息的选择，O’Reilly现在还将先锋专家的知识传递给普通的计算机用户。无论是通过书籍出版，在线服务或者面授课程，每一项O’Reilly的产品都反映了公司不可动摇的理念——信息是激发创新的力量。

O’Reilly Media，Inc.介绍

作者介绍

封面介绍

译者序

前言

第1章　可能近似正确的软件

正确地编写软件

编写正确的软件

本书计划

第2章　快速介绍机器学习

什么是机器学习

有监督学习

无监督学习

强化学习

机器学习能完成什么

本书中使用的数学符号

结论

第3章　K最近邻算法

如何确定是否想购买一栋房子

房子的价格究竟几何

愉悦回归

什么是邻域

K最近邻算法简介

K先生最近的邻居

距离

维度灾难

如何选择K

给西雅图的房子估价

结论

第4章　朴素贝叶斯分类

通过贝叶斯定理来发现欺诈订单

条件概率

概率符号

反向条件概率(又名贝叶斯定理)

朴素贝叶斯分类器

贝叶斯推理之朴素

伪计数

垃圾邮件过滤器

标记化和上下文

结论

第5章　决策树和随机森林

蘑菇的细微差别

使用民间定理实现蘑菇分类

找到最佳切换点

修剪树

结论

第6章　隐马尔可夫模型

使用状态机来跟踪用户行为

输出/观测隐含状态

使用马尔可夫假设化简

隐马尔可夫模型

评估：前向-后向算法

通过维特比算法解码

学习问题

词性标注与布朗语库

结论

第7章　支持向量机

客户满意度作为语言的函数

SVM背后的理论

情绪分析器

聚合情绪

将情绪映射到底线

结论

第8章　神经网络

什么是神经网络

神经网络史

布尔逻辑

感知器

如何构建前馈神经网络

构建神经网络

使用神经网络来对语言分类

结论

第9章　聚类

无任何偏差的研究数据

用户群组

测试群集映射

K均值聚类

最大期望(EM)聚类

不可能性定理

案例：音乐归类

结论

第10章　模型改进与数据提取

辩论俱乐部

选择更好的数据

最小冗余最大相关性的特征选择

特征变换与矩阵分解

结论

第11章　将这些方法融合在一起：结论

机器学习算法回顾

如何使用这些信息来解决问题

下一步做什么