书籍:Machine Learning with Python Cookbook: Practical Solutions from Preprocessing to Deep Learning
作者:Kyle Gallatin,Chris Albon
出版:O'Reilly Media
01 书籍介绍
这本实用指南提供了200多个自洽的方案,帮助您解决在工作中可能遇到的机器学习挑战。如果您熟悉Python及其库,包括pandas和scikit-learn,则可以解决特定的问题,从加载数据到训练模型和利用神经网络。
此版本中的每个内容都包含了可复制、粘贴和使用玩具数据集运行的代码,以确保其可行。然后,您可以根据您的用例或应用程序来调整这些示例。示例包括一个讨论部分,解释解决方案并提供有意义的背景。
通过学习构建工作机器学习应用程序所需的具体步骤,超越理论和概念。您将找到以下内容:
· 向量、矩阵和数组
· 使用来自CSV、JSON、SQL、数据库、云存储和其他来源的数据
· 处理数值和分类数据、文本、图像以及日期和时间
· 使用特征提取或特征选择进行降维
· 模型评估和选择
· 线性和逻辑回归、树和森林,以及最近邻算法
· 支持向量机(SVM)、朴素贝叶斯、聚类和基于树的模型
· 从多个框架中保存、加载和提供已训练模型的服务
02 作者简介
Kyle Gallatin是一位机器学习基础架构的软件工程师,拥有多年的数据分析、数据科学和机器学习工程师经验。他还是一位专业的数据科学导师、志愿的计算机科学教师,并经常在软件工程和机器学习交叉领域发表文章。目前,Kyle是Etsy机器学习平台团队的软件工程师。
Chris Albon是维基媒体基金会的机器学习主管,该组织是维基百科的主办方。