Python机器学习

Python机器学习

因版权原因待上架

内容简介

《Python机器学习》通过数学解释和编程示例描述了机器学习中的概念,每一章的内容都从技术的基本原理和基于真实数据集的工作实例开始,在提出应用算法建议的同时,指出了每种技术的优缺点。

《Python机器学习》提供了大量的Python代码示例。Python已成为主流编程语言之一,它免费且开源,并得到了开放社区的支持,其中包含大量的库供读者直接使用。

此外,Python还具有可扩展性,能够处理海量的数据,特别适用于大数据技术。

《Python机器学习》有如下的显著特点:

1 涵盖机器学习的所有主要领域;

2 讨论主题和图解说明;

3 不同ML方法的比较,解决任何问题;

4 在应用任何ML算法之前处理真实世界噪声数据的方法;

5 每个概念的python代码示例;

6 Jupyter Notebook脚本提供了用于测试和测试算法的数据集。

走进机器学习

了解 Python

特征工程

数据可视化

基本和高级回归技术

分类

无监督学习

文本分析

神经网络和深度学习

推荐系统

时间序列分析

Python机器学习是2019年由人民邮电出版社出版,作者[印]阿布舍克·维贾亚瓦吉亚(Abhishek Vijayvargia)。

得书感谢您对《Python机器学习》关注和支持,如本书内容有不良信息或侵权等情形的,请联系本网站。

购买这本书

你可能喜欢
机器学习实战 电子书
本书共11章,从推荐系统的发展历史、基本构成开始,依次剖析推荐系统的内容召回、协同过滤召回、深度学习召回中具有代表性的模型;再从经典排序模型到基于深度学习的排序,顺势介绍会话推荐、强化学习推荐及工业级推荐,搭建了完整的推荐系统技术体系,这是一个由浅入深的系统学习过程。
机器学习基础 电子书
近年来人工智能技术蓬勃发展,人工智能正在改变我们的生活。为了让读者在不需要掌握太多数学和计算机科学知识的情况下,能够快速上手,使用Python语言实现常用的机器学习算法,并解决一些实际的问题,我们策划并出版本书。本书共14章,内容涵盖基本的机器学习概念和环境搭建,目前各个领域中的热门算法,以及数据预处理、模型评估和文本数据分析等。希望本书可以让读者轻松入门,在动手实践的过程中找到乐趣。本书可以作为
实用机器学习 电子书
大数据时代为机器学习的应用提供了广阔的空间,各行各业涉及数据分析的工作都需要使用机器学习算法。本书围绕实际数据分析的流程展开,着重介绍数据探索、数据预处理和常用的机器学习算法模型。本书从解决实际问题的角度出发,介绍回归算法、分类算法、推荐算法、排序算法和集成学习算法。在介绍每种机器学习算法模型时,书中不但阐述基本原理,而且讨论模型的评价与选择。为方便读者学习各种算法,本书介绍了R语言中相应的软件包
Python 深度学习 电子书
《Python深度学习》以深度学习框架为基础,介绍机器学习的基础知识与常用方法,全面细致地提供了机器学习操作的原理及其在深度学习框架下的实践步骤。全书共16章,分别介绍了深度学习基础知识、深度学习框架及其对比、机器学习基础知识、深度学习框架(以PyTorch为例)基础、Logistic回归、多层感知器、卷积神经网络与计算机视觉、神经网络与自然语言处理以及8个实战案例。本书将理论与实践紧密结合,相信
场景化机器学习 电子书
本书展示了如何在业务场景中应用机器学习,全书分为三个部分。第一部分介绍有效的决策如何帮助公司提高生产率以保持竞争力,阐释如何使用开源工具和AWS工具将机器学习应用于业务决策中。第二部分以虚拟人物为主线,研究六个场景,这些场景展示了如何使用机器学习来制定各种业务决策。第三部分讨论如何在Web上设置和共享机器学习模型,还介绍了一些案例。