《机器学习实战》面向日常任务的高效实战内容，介绍并实现机器学习的主流算法。
编辑推荐
本书内容包括监督学习技术、预测建模、无监督学习算法等前沿话题的实例代码展示，带你用Python库来解决机器学习实际问题。
内容简介
本书介绍了如何使用scikit-learn、TensorFlow等关键库来有效解决现实世界的机器学习问题。本书着重于实用的解决方案，提供多个案例，详细地讲解了如何使用Python生态系统中的现代库来构建功能强大的机器学习应用程序；还介绍了分类、聚类和推荐引擎等多种机器学习算法，以及如何将监督学习和无监督学习技术应用于实际问题；最后，介绍了强化学习、深度神经网络和自动机器学习等应用示例。
章节目录
- 版权信息
- 版 权
- 版权声明
- 内容提要
- 作者简介
- 审稿者简介
- 译者简介
- 前 言
- 资源与支持
- 第1章 监督学习
- 1.1 技术要求
- 1.2 简介
- 1.3 用Python创建数组
- 1.3.1 准备工作
- 1.3.2 详细步骤
- 1.3.3 工作原理
- 1.3.4 更多内容
- 1.4 用均值移除法进行数据预处理
- 1.4.1 准备工作
- 1.4.2 详细步骤
- 1.4.3 工作原理
- 1.4.4 更多内容
- 1.5 数据缩放
- 1.5.1 准备工作
- 1.5.2 详细步骤
- 1.5.3 工作原理
- 1.5.4 更多内容
- 1.6 归一化
- 1.6.1 准备工作
- 1.6.2 详细步骤
- 1.6.3 工作原理
- 1.6.4 更多内容
- 1.7 二值化
- 1.7.1 准备工作
- 1.7.2 详细步骤
- 1.7.3 工作原理
- 1.7.4 更多内容
- 1.8 one-hot编码
- 1.8.1 准备工作
- 1.8.2 详细步骤
- 1.8.3 工作原理
- 1.8.4 更多内容
- 1.9 标签编码
- 1.9.1 准备工作
- 1.9.2 详细步骤
- 1.9.3 工作原理
- 1.9.4 更多内容
- 1.10 构建线性回归器
- 1.10.1 准备工作
- 1.10.2 详细步骤
- 1.10.3 工作原理
- 1.10.4 更多内容
- 1.11 计算回归准确度
- 1.11.1 准备工作
- 1.11.2 详细步骤
- 1.11.3 工作原理
- 1.11.4 更多内容
- 1.12 模型持久化
- 1.12.1 准备工作
- 1.12.2 详细步骤
- 1.12.3 工作原理
- 1.12.4 更多内容
- 1.13 构建岭回归器
- 1.13.1 准备工作
- 1.13.2 详细步骤
- 1.13.3 工作原理
- 1.14 构建多项式回归器
- 1.14.1 准备工作
- 1.14.2 详细步骤
- 1.14.3 工作原理
- 1.14.4 更多内容
- 1.15 估算房屋价格
- 1.15.1 准备工作
- 1.15.2 详细步骤
- 1.15.3 工作原理
- 1.15.4 更多内容
- 1.16 计算特征的相对重要性
- 1.16.1 准备工作
- 1.16.2 详细步骤
- 1.16.3 工作原理
- 1.16.4 更多内容
- 1.17 评估共享单车的需求分布
- 1.17.1 准备工作
- 1.17.2 详细步骤
- 1.17.3 工作原理
- 1.17.4 更多内容
- 第2章 构建分类器
- 2.1 技术要求
- 2.2 简介
- 2.3 构建简单分类器
- 2.3.1 准备工作
- 2.3.2 详细步骤
- 2.3.3 工作原理
- 2.3.4 更多内容
- 2.4 构建逻辑回归分类器
- 2.4.1 准备工作
- 2.4.2 详细步骤
- 2.4.3 工作原理
- 2.4.4 更多内容
- 2.5 构建朴素贝叶斯分类器
- 2.5.1 准备工作
- 2.5.2 详细步骤
- 2.5.3 工作原理
- 2.5.4 更多内容
- 2.6 将数据集划分成训练集和测试集
- 2.6.1 准备工作
- 2.6.2 详细步骤
- 2.6.3 工作原理
- 2.6.4 更多内容
- 2.7 用交叉验证评估模型准确度
- 2.7.1 准备工作
- 2.7.2 详细步骤
- 2.7.3 工作原理
- 2.7.4 更多内容
- 2.8 混淆矩阵可视化
- 2.8.1 准备工作
- 2.8.2 详细步骤
- 2.8.3 工作原理
- 2.8.4 更多内容
- 2.9 提取性能报告
- 2.9.1 准备工作
- 2.9.2 详细步骤
- 2.9.3 工作原理
- 2.9.4 更多内容
- 2.10 根据特征评估汽车质量
- 2.10.1 准备工作
- 2.10.2 详细步骤
- 2.10.3 工作原理
- 2.10.4 更多内容
- 2.11 生成验证曲线
- 2.11.1 准备工作
- 2.11.2 详细步骤
- 2.11.3 工作原理
- 2.11.4 更多内容
- 2.12 生成学习曲线
- 2.12.1 准备工作
- 2.12.2 详细步骤
- 2.12.3 工作原理
- 2.12.4 更多内容
- 2.13 估算收入阶层
- 2.13.1 准备工作
- 2.13.2 详细步骤
- 2.13.3 工作原理
- 2.13.4 更多内容
- 2.14 葡萄酒质量预测
- 2.14.1 准备工作
- 2.14.2 详细步骤
- 2.14.3 工作原理
- 2.14.4 更多内容
- 2.15 新闻组热门话题分类
- 2.15.1 准备工作
- 2.15.2 详细步骤
- 2.15.3 工作原理
- 2.15.4 更多内容
- 第3章 预测建模
- 3.1 技术要求
- 3.2 简介
- 3.3 用SVM构建线性分类器
- 3.3.1 准备工作
- 3.3.2 详细步骤
- 3.3.3 工作原理
- 3.3.4 更多内容
- 3.4 用SVM构建非线性分类器
- 3.4.1 准备工作
- 3.4.2 详细步骤
- 3.4.3 工作原理
- 3.4.4 更多内容
- 3.5 解决类型不平衡问题
- 3.5.1 准备工作
- 3.5.2 详细步骤
- 3.5.3 工作原理
- 3.5.4 更多内容
- 3.6 提取置信度
- 3.6.1 准备工作
- 3.6.2 详细步骤
- 3.6.3 工作原理
- 3.6.4 更多内容
- 3.7 寻找最优超参数
- 3.7.1 准备工作
- 3.7.2 详细步骤
- 3.7.3 工作原理
- 3.7.4 更多内容
- 3.8 构建事件预测器
- 3.8.1 准备工作
- 3.8.2 详细步骤
- 3.8.3 工作原理
- 3.8.4 更多内容
- 3.9 估算交通流量
- 3.9.1 准备工作
- 3.9.2 详细步骤
- 3.9.3 工作原理
- 3.9.4 更多内容
- 3.10 用TensorFlow简化机器学习流程
- 3.10.1 准备工作
- 3.10.2 详细步骤
- 3.10.3 工作原理
- 3.10.4 更多内容
- 3.11 堆叠法实现
- 3.11.1 准备工作
- 3.11.2 详细步骤
- 3.11.3 工作原理
- 3.11.4 更多内容
- 第4章 无监督学习——聚类
- 4.1 技术要求
- 4.2 简介
- 4.3 用k-means算法聚类数据
- 4.3.1 准备工作
- 4.3.2 详细步骤
- 4.3.3 工作原理
- 4.3.4 更多内容
- 4.4 用向量量化压缩图片
- 4.4.1 准备工作
- 4.4.2 详细步骤
- 4.4.3 工作原理
- 4.4.4 更多内容
- 4.5 用凝聚层次聚类进行数据分组
- 4.5.1 准备工作
- 4.5.2 详细步骤
- 4.5.3 工作原理
- 4.5.4 更多内容
- 4.6 评估聚类算法性能
- 4.6.1 准备工作
- 4.6.2 详细步骤
- 4.6.3 工作原理
- 4.6.4 更多内容
- 4.7 用DBSCAN算法估算簇的个数
- 4.7.1 准备工作
- 4.7.2 详细步骤
- 4.7.3 工作原理
- 4.7.4 更多内容
- 4.8 探索股票数据模式
- 4.8.1 准备工作
- 4.8.2 详细步骤
- 4.8.3 工作原理
- 4.8.4 更多内容
- 4.9 构建市场细分模型
- 4.9.1 准备工作
- 4.9.2 详细步骤
- 4.9.3 工作原理
- 4.9.4 更多内容
- 4.10 用自动编码器重构手写数字图像
- 4.10.1 准备工作
- 4.10.2 详细步骤
- 4.10.3 工作原理
- 4.10.4 更多内容
- 第5章 可视化数据
- 5.1 技术需求
- 5.2 简介
- 5.3 画3D散点图
- 5.3.1 准备工作
- 5.3.2 详细步骤
- 5.3.3 工作原理
- 5.3.4 更多内容
- 5.4 画气泡图
- 5.4.1 准备工作
- 5.4.2 详细步骤
- 5.4.3 工作原理
- 5.4.4 更多内容
- 5.5 画动态气泡图
- 5.5.1 准备工作
- 5.5.2 详细步骤
- 5.5.3 工作原理
- 5.5.4 更多内容
- 5.6 画饼图
- 5.6.1 准备工作
- 5.6.2 详细步骤
- 5.6.3 工作原理
- 5.6.4 更多内容
- 5.7 绘制日期格式的时间序列数据
- 5.7.1 准备工作
- 5.7.2 详细步骤
- 5.7.3 工作原理
- 5.7.4 更多内容
- 5.8 画直方图
- 5.8.1 准备工作
- 5.8.2 详细步骤
- 5.8.3 工作原理
- 5.8.4 更多内容
- 5.9 可视化热力图
- 5.9.1 准备工作
- 5.9.2 详细步骤
- 5.9.3 工作原理
- 5.9.4 更多内容
- 5.10 动态信号的可视化模拟
- 5.10.1 准备工作
- 5.10.2 详细步骤
- 5.10.3 工作原理
- 5.10.4 更多内容
- 5.11 用seaborn库画图
- 5.11.1 准备工作
- 5.11.2 详细步骤
- 5.11.3 工作原理
- 5.11.4 更多内容
- 第6章 构建推荐引擎
- 6.1 技术要求
- 6.2 简介
- 6.3 为数据处理构建函数组合
- 6.3.1 准备工作
- 6.3.2 详细步骤
- 6.3.3 工作原理
- 6.3.4 更多内容
- 6.4 构建机器学习管道
- 6.4.1 准备工作
- 6.4.2 详细步骤
- 6.4.3 工作原理
- 6.4.4 更多内容
- 6.5 构建最近邻分类器
- 6.5.1 准备工作
- 6.5.2 详细步骤
- 6.5.3 工作原理
- 6.5.4 更多内容
- 6.6 构建KNN分类器
- 6.6.1 准备工作
- 6.6.2 详细步骤
- 6.6.3 工作原理
- 6.6.4 更多内容
- 6.7 构建KNN回归器
- 6.7.1 准备工作
- 6.7.2 详细步骤
- 6.7.3 工作原理
- 6.7.4 更多内容
- 6.8 计算欧式距离分数
- 6.8.1 准备工作
- 6.8.2 详细步骤
- 6.8.3 工作原理
- 6.8.4 更多内容
- 6.9 计算皮尔逊相关系数
- 6.9.1 准备工作
- 6.9.2 详细步骤
- 6.9.3 工作原理
- 6.9.4 更多内容
- 6.10 查找数据集中的相似用户
- 6.10.1 准备工作
- 6.10.2 详细步骤
- 6.10.3 工作原理
- 6.10.4 更多内容
- 6.11 生成电影推荐
- 6.11.1 准备工作
- 6.11.2 详细步骤
- 6.11.3 工作原理
- 6.11.4 更多内容
- 6.12 实现排序算法
- 6.12.1 准备工作
- 6.12.2 详细步骤
- 6.12.3 工作原理
- 6.12.4 更多内容
- 6.13 用TensorFlow构建过滤器模型
- 6.13.1 准备工作
- 6.13.2 详细步骤
- 6.13.3 工作原理
- 6.13.4 更多内容
- 第7章 文本数据分析
- 7.1 技术要求
- 7.2 简介
- 7.3 用标记解析的方法预处理数据
- 7.3.1 准备工作
- 7.3.2 详细步骤
- 7.3.3 工作原理
- 7.3.4 更多内容
- 7.4 提取文本数据的词干
- 7.4.1 准备工作
- 7.4.2 详细步骤
- 7.4.3 工作原理
- 7.4.4 更多内容
- 7.5 用词形还原的方法还原文本的基本形式
- 7.5.1 准备工作
- 7.5.2 详细步骤
- 7.5.3 工作原理
- 7.5.4 更多内容
- 7.6 用分块的方法划分文本
- 7.6.1 详细步骤
- 7.6.2 工作原理
- 7.6.3 更多内容
- 7.7 构建词袋模型
- 7.7.1 准备工作
- 7.7.2 详细步骤
- 7.7.3 工作原理
- 7.7.4 更多内容
- 7.8 构建文本分类器
- 7.8.1 准备工作
- 7.8.2 详细步骤
- 7.8.3 工作原理
- 7.8.4 更多内容
- 7.9 识别名字性别
- 7.9.1 准备工作
- 7.9.2 详细步骤
- 7.9.3 工作原理
- 7.9.4 更多内容
- 7.10 语句情感分析
- 7.10.1 准备工作
- 7.10.2 详细步骤
- 7.10.3 工作原理
- 7.10.4 更多内容
- 7.11 用主题建模识别文本模式
- 7.11.1 准备工作
- 7.11.2 详细步骤
- 7.11.3 工作原理
- 7.11.4 更多内容
- 7.12 用spaCy进行词性标注
- 7.12.1 准备工作
- 7.12.2 详细步骤
- 7.12.3 工作原理
- 7.12.4 更多内容
- 7.13 用gensim构建Word2Vec模型
- 7.13.1 准备工作
- 7.13.2 详细步骤
- 7.13.3 工作原理
- 7.13.4 更多内容
- 7.14 用浅层学习检测垃圾信息
- 7.14.1 准备工作
- 7.14.2 详细步骤
- 7.14.3 工作原理
- 7.14.4 更多内容
- 第8章 语音识别
- 8.1 技术要求
- 8.2 简介
- 8.3 读取和绘制音频数据
- 8.3.1 准备工作
- 8.3.2 详细步骤
- 8.3.3 工作原理
- 8.3.4 更多内容
- 8.4 将音频信号转换为频域
- 8.4.1 准备工作
- 8.4.2 详细步骤
- 8.4.3 工作原理
- 8.4.4 更多内容
- 8.5 用自定义参数生成音频信号
- 8.5.1 准备工作
- 8.5.2 详细步骤
- 8.5.3 工作原理
- 8.5.4 更多内容
- 8.6 合成音乐
- 8.6.1 准备工作
- 8.6.2 详细步骤
- 8.6.3 工作原理
- 8.6.4 更多内容
- 8.7 提取频域特征
- 8.7.1 准备工作
- 8.7.2 详细步骤
- 8.7.3 工作原理
- 8.7.4 更多内容
- 8.8 构建隐马尔可夫模型
- 8.8.1 准备工作
- 8.8.2 详细步骤
- 8.8.3 工作原理
- 8.8.4 更多内容
- 8.9 构建语音识别器
- 8.9.1 准备工作
- 8.9.2 详细步骤
- 8.9.3 工作原理
- 8.9.4 更多内容
- 8.10 构建TTS系统
- 8.10.1 准备工作
- 8.10.2 详细步骤
- 8.10.3 工作原理
- 8.10.4 更多内容
- 第9章 时序列化和时序数据分析
- 9.1 技术要求
- 9.2 简介
- 9.3 将数据转换为时间序列格式
- 9.3.1 准备工作
- 9.3.2 详细步骤
- 9.3.3 工作原理
- 9.3.4 更多内容
- 9.4 切分时间序列数据
- 9.4.1 准备工作
- 9.4.2 详细步骤
- 9.4.3 工作原理
- 9.4.4 更多内容
- 9.5 操作时间序列数据
- 9.5.1 准备工作
- 9.5.2 详细步骤
- 9.5.3 工作原理
- 9.5.4 更多内容
- 9.6 从时序数据中提取统计信息
- 9.6.1 准备工作
- 9.6.2 详细步骤
- 9.6.3 工作原理
- 9.6.4 更多内容
- 9.7 为序列数据构建隐马尔可夫模型
- 9.7.1 准备工作
- 9.7.2 详细步骤
- 9.7.3 工作原理
- 9.7.4 更多内容
- 9.8 为序列化文本数据构建条件随机场
- 9.8.1 准备工作
- 9.8.2 详细步骤
- 9.8.3 工作原理
- 9.8.4 更多内容
- 9.9 股市数据分析
- 9.9.1 准备工作
- 9.9.2 详细步骤
- 9.9.3 工作原理
- 9.9.4 更多内容
- 9.10 用RNN预测时间序列数据
- 9.10.1 准备工作
- 9.10.2 详细步骤
- 9.10.3 工作原理
- 9.10.4 更多内容
- 第10章 图像内容分析
- 10.1 技术要求
- 10.2 简介
- 10.3 用OpenCV_Python操作图像
- 10.3.1 准备工作
- 10.3.2 详细步骤
- 10.3.3 工作原理
- 10.3.4 更多内容
- 10.4 边缘检测
- 10.4.1 准备工作
- 10.4.2 详细步骤
- 10.4.3 工作原理
- 10.4.4 更多内容
- 10.5 直方图均衡
- 10.5.1 准备工作
- 10.5.2 详细步骤
- 10.5.3 工作原理
- 10.5.4 更多内容
- 10.6 角点检测
- 10.6.1 准备工作
- 10.6.2 详细步骤
- 10.6.3 工作原理
- 10.6.4 更多内容
- 10.7 SIFT特征点检测
- 10.7.1 准备工作
- 10.7.2 详细步骤
- 10.7.3 工作原理
- 10.7.4 更多内容
- 10.8 构建Star特征检测器
- 10.8.1 准备工作
- 10.8.2 详细步骤
- 10.8.3 工作原理
- 10.8.4 更多内容
- 10.9 用视觉码本和向量量化创建特征
- 10.9.1 准备工作
- 10.9.2 详细步骤
- 10.9.3 工作原理
- 10.9.4 更多内容
- 10.10 用极端随机森林训练图像分类器
- 10.10.1 准备工作
- 10.10.2 详细步骤
- 10.10.3 工作原理
- 10.10.4 更多内容
- 10.11 构建对象识别器
- 10.11.1 准备工作
- 10.11.2 详细步骤
- 10.11.3 工作原理
- 10.11.4 更多内容
- 10.12 用LightGBM进行图像分类
- 10.12.1 准备工作
- 10.12.2 详细步骤
- 10.12.3 工作原理
- 10.12.4 更多内容
- 第11章 生物特征人脸识别
- 11.1 技术要求
- 11.2 简介
- 11.3 从网络摄像头采集和处理视频信息
- 11.3.1 准备工作
- 11.3.2 详细步骤
- 11.3.3 工作原理
- 11.3.4 更多内容
- 11.4 用Haar级联构建人脸识别器
- 11.4.1 准备工作
- 11.4.2 详细步骤
- 11.4.3 工作原理
- 11.4.4 更多内容
- 11.5 构建眼鼻检测器
- 11.5.1 准备工作
- 11.5.2 详细步骤
- 11.5.3 工作原理
- 11.5.4 更多内容
- 11.6 主成分分析
- 11.6.1 准备工作
- 11.6.2 详细步骤
- 11.6.3 工作原理
- 11.6.4 更多内容
- 11.7 核主成分分析
- 11.7.1 准备工作
- 11.7.2 详细步骤
- 11.7.3 工作原理
- 11.7.4 更多内容
- 11.8 盲源分离
- 11.8.1 准备工作
- 11.8.2 详细步骤
- 11.8.3 工作原理
- 11.8.4 更多内容
- 11.9 用局部二值模式直方图构建人脸识别器
- 11.9.1 准备工作
- 11.9.2 详细步骤
- 11.9.3 工作原理
- 11.9.4 更多内容
- 11.10 基于HOG模型进行人脸识别
- 11.10.1 准备工作
- 11.10.2 详细步骤
- 11.10.3 工作原理
- 11.10.4 更多内容
- 11.11 人脸特征点识别
- 11.11.1 准备工作
- 11.11.2 详细步骤
- 11.11.3 工作原理
- 11.11.4 更多内容
- 11.12 用人脸识别进行用户身份验证
- 11.12.1 准备工作
- 11.12.2 详细步骤
- 11.12.3 工作原理
- 11.12.4 更多内容
- 第12章 强化学习
- 12.1 技术要求
- 12.2 简介
- 12.3 用MDP预报天气
- 12.3.1 准备工作
- 12.3.2 详细步骤
- 12.3.3 工作原理
- 12.3.4 更多内容
- 12.4 用DP优化金融投资组合
- 12.4.1 准备工作
- 12.4.2 详细步骤
- 12.4.3 工作原理
- 12.4.4 更多内容
- 12.5 找出最短路径
- 12.5.1 准备工作
- 12.5.2 详细步骤
- 12.5.3 工作原理
- 12.5.4 更多内容
- 12.6 使用Q学习决定折扣因子
- 12.6.1 准备工作
- 12.6.2 详细步骤
- 12.6.3 工作原理
- 12.6.4 更多内容
- 12.7 实现深度Q学习算法
- 12.7.1 准备工作
- 12.7.2 详细步骤
- 12.7.3 工作原理
- 12.7.4 更多内容
- 12.8 开发基于AI的动态模型系统
- 12.8.1 准备工作
- 12.8.2 详细步骤
- 12.8.3 工作原理
- 12.8.4 更多内容
- 12.9 通过双Q学习进行深度强化学习
- 12.9.1 准备工作
- 12.9.2 详细步骤
- 12.9.3 工作原理
- 12.9.4 更多内容
- 12.10 通过dueling Q学习进行深度强化学习
- 12.10.1 准备工作
- 12.10.2 详细步骤
- 12.10.3 工作原理
- 12.10.4 更多内容
- 第13章 深度神经网络
- 13.1 技术要求
- 13.2 简介
- 13.3 构建感知机模型
- 13.3.1 准备工作
- 13.3.2 详细步骤
- 13.3.3 工作原理
- 13.3.4 更多内容
- 13.4 构建单层神经网络
- 13.4.1 准备工作
- 13.4.2 详细步骤
- 13.4.3 工作原理
- 13.4.4 更多内容
- 13.5 构建深度神经网络
- 13.5.1 准备工作
- 13.5.2 详细步骤
- 13.5.3 工作原理
- 13.5.4 更多内容
- 13.6 创建向量量化器
- 13.6.1 准备工作
- 13.6.2 详细步骤
- 13.6.3 工作原理
- 13.6.4 更多内容
- 13.7 为序列数据分析构建循环神经网络
- 13.7.1 准备工作
- 13.7.2 详细步骤
- 13.7.3 工作原理
- 13.7.4 更多内容
- 13.8 可视化OCR数据库字符
- 13.8.1 准备工作
- 13.8.2 详细步骤
- 13.8.3 工作原理
- 13.8.4 更多内容
- 13.9 使用神经网络构建光学字符识别器
- 13.9.1 准备工作
- 13.9.2 详细步骤
- 13.9.3 工作原理
- 13.9.4 更多内容
- 13.10 用ANN实现优化算法
- 13.10.1 准备工作
- 13.10.2 详细步骤
- 13.10.3 工作原理
- 13.10.4 更多内容
- 第14章 无监督表示学习
- 14.1 需要的文件
- 14.2 简介
- 14.3 用降噪自动编码器检测欺诈交易
- 14.3.1 准备工作
- 14.3.2 详细步骤
- 14.3.3 工作原理
- 14.3.4 更多内容
- 14.4 用CBOW和skipgram表示生成词嵌入
- 14.4.1 准备工作
- 14.4.2 详细步骤
- 14.4.3 工作原理
- 14.4.4 更多内容
- 14.5 用PCA和t-SNE可视化MNIST数据
- 14.5.1 准备工作
- 14.5.2 详细步骤
- 14.5.3 工作原理
- 14.5.4 更多内容
- 14.6 使用词嵌入进行推特情感分析
- 14.6.1 准备工作
- 14.6.2 详细步骤
- 14.6.3 工作原理
- 14.6.4 更多内容
- 14.7 用scikit-learn实现LDA
- 14.7.1 准备工作
- 14.7.2 详细步骤
- 14.7.3 工作原理
- 14.7.4 更多内容
- 14.8 用LDA对文本文档分类
- 14.8.1 准备工作
- 14.8.2 详细步骤
- 14.8.3 工作原理
- 14.8.4 更多内容
- 14.9 为LDA准备数据
- 14.9.1 准备工作
- 14.9.2 详细步骤
- 14.9.3 工作原理
- 14.9.4 更多内容
- 第15章 自动机器学习与迁移学习
- 15.1 技术要求
- 15.2 简介
- 15.3 Auto-WEKA
- 15.3.1 准备工作
- 15.3.2 详细步骤
- 15.3.3 工作原理
- 15.3.4 更多内容
- 15.4 用AutoML工具TPOT生成机器学习管道
- 15.4.1 准备工作
- 15.4.2 详细步骤
- 15.4.3 工作原理
- 15.4.4 更多内容
- 15.5 Auto-Keras
- 15.5.1 准备工作
- 15.5.2 详细步骤
- 15.5.3 工作原理
- 15.5.4 更多内容
- 15.6 auto-sklearn
- 15.6.1 准备工作
- 15.6.2 详细步骤
- 15.6.3 工作原理
- 15.6.4 更多内容
- 15.7 用MLBox进行功能选择和泄漏检测
- 15.7.1 准备工作
- 15.7.2 详细步骤
- 15.7.3 工作原理
- 15.7.4 更多内容
- 15.8 用卷积神经网络进行迁移学习
- 15.8.1 准备工作
- 15.8.2 详细步骤
- 15.8.3 工作原理
- 15.8.4 更多内容
- 15.9 用ResNet-50作预训练图像分类器进行迁移学习
- 15.9.1 准备工作
- 15.9.2 详细步骤
- 15.9.3 工作原理
- 15.9.4 更多内容
- 15.10 用VGG16模型作特征提取器进行迁移学习
- 15.10.1 准备工作
- 15.10.2 详细步骤
- 15.10.3 工作原理
- 15.10.4 更多内容
- 15.11 用预训练GloVe嵌入模型进行迁移学习
- 15.11.1 准备工作
- 15.11.2 详细步骤
- 15.11.3 工作原理
- 15.11.4 更多内容
- 第16章 生产中的应用
- 16.1 技术要求
- 16.2 简介
- 16.3 处理非结构化数据
- 16.3.1 准备工作
- 16.3.2 详细步骤
- 16.3.3 工作原理
- 16.3.4 更多内容
- 16.4 部署机器学习模型
- 16.4.1 准备工作
- 16.4.2 详细步骤
- 16.4.3 工作原理
- 16.4.4 更多内容
- 16.5 跟踪生产中的变化
- 16.5.1 详细步骤
- 16.5.2 工作原理
- 16.5.3 更多内容
- 16.6 跟踪准确率并优化模型
- 16.6.1 详细步骤
- 16.6.2 工作原理
- 16.6.3 更多内容
展开全部
Python机器学习经典实例（第2版）是2021年由人民邮电出版社出版,作者[意] 朱塞佩·查博罗。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《Python机器学习经典实例（第2版）》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。
电子书
《机器学习实战》面向日常任务的高效实战内容，介绍并实现机器学习的主流算法。
电子书
适读人群：1.没有编程知识的新手不同于一般的基础语法讲解教程，本书并未将Python开发限定于某个集成开发工具（IDE）中，而是采用交互式编程的方式来强化读者对语言特性的理解，...
电子书
本书适合对人工智能、机器学习、数据分析等方向感兴趣的初学者和爱好者。
电子书
适读人群：（1）高等院校人工智能、计算机、自动化等相关专业机器学习方向的学生；（2）学术界机器学习领域的研究人员和教师；（3）工业界对机器学习感兴趣的专业人员和工程师。1.周志...
电子书
Keras之父、谷歌人工智能研究员弗朗索瓦·肖莱执笔，深度学习领域力作。
电子书
轻松入门机器学习，理论实战并重，适合零基础学习者。
电子书
机器学习原理与实例代码，包括决策树、神经网络等11章。