在过去的几年中,机器学习已经渗透到企业、非营利组织和政府的日常运作中。随着机器学习热度的增加,在对机器学习从业者的指导方面,涌现出一批高质量的文献。这些文献培养了整整一代的数据科学家和机器学习工程师。这些文献提供了学习资源,为人们讲解机器学习是什么及其工作原理。
尽管这种方法富有成效,但却遗漏了一部分重要的内容:机器学习日常开发中的细节。
《Python机器学习手册:从数据预处理到深度学习》的出现正是为了解决这一问题。本书采用基于任务的方式来介绍如何在机器学习中使用Python。书中有近200个独立的解决方案,针对的都是数据科学家或机器学习工程师在构建模型时可能遇到的常见任务。所有方案都提供了相关代码,读者可以复制并粘贴这些代码,用在自己的程序中。
本书不是写给学生读者学习机器学习理论的大部头,而是写给专业人士的“扳手型”工具书。你可以将本书作为案头参考书,在机器学习的日常开发中遇到问题时,随时借鉴书中代码,快速解决问题。
本书不是机器学习的入门书
本书适合机器学习的实践者阅读
本书假定读者熟悉 Python 编程语言和包管理
第1 章 向量、矩阵和数组
第2 章 加载数据
第3 章 数据整理
第4 章 处理数值型数据
第5 章 处理分类数据
第6 章 处理文本
第7 章 处理日期和时间
第8 章 图像处理
第9 章 利用特征提取进行特征降维
第10 章 使用特征选择进行降维
第11 章 模型评估
第12 章 模型选择
第13 章 线性回归
第14 章 树和森林
第15 章 KNN
第16 章 逻辑回归
第17 章 支持向量机
第18 章 朴素贝叶斯
第19 章 聚类
第20 章 神经网络
第21 章 保存和加载训练后的模型
了解本书详情
也可以参与送书活动,送3本该书籍,9月1日20:00开奖,扫码下方二维码,回复 : 抽奖
程序员资源社区
扫码回复:抽奖