scikit-learn机器学习(第2版): Chinese Edition

Posts & Telecom Press · Gavin Hackeling

трав. 2024 р. · Packt Publishing Ltd

Про цю електронну книгу

掌握Python机器学习的有效工具,搞定scikit-learn的必备指南Key Features

• 本书内容涵盖多种机器学习模型
• 讨论了数据预处理、超参数优化和集成方法等主题。

Book Description近年来,Python语言成为了广受欢迎的编程语言,而它在机器学习领域也有着卓越的表现。scikit-learn是一个用Python语言编写的机器学习算法库,它可以实现一系列常用的机器学习算法,是一个不可多得的好工具。 本书通过14章内容,详细地介绍了一系列机器学习模型和scikit-learn的使用技巧。本书从机器学习的基础理论讲起,涵盖了简单线性回归、K-近邻算法、特征提取、多元线性回归、逻辑回归、朴素贝叶斯、非线性分类、决策树回归、随机森林、感知机、支持向量机、人工神经网络、K-均值算法、主成分分析等重要话题。 本书适合机器学习领域的工程师学习,也适合想要了解scikit-learn的数据科学家阅读。通过阅读本书,读者将有效提升自己在机器学习模型的构建和评估方面的能力,并能够高效地解决机器学习难题。What you will learn

• 学会构建用于文档分类、图像识别、广告检测等任务的系统
• 学到如何使用scikit-learn类库的API从类别变量、文本和图像中提取特征,如何评估模型的性能
• 如何提升模型的性能建立直觉
• 掌握在实践中运用scikit-learn构建高效模型所需的技能,并能够通过实用的策略完成高级任务。

Who this book is for

程序开发人员、一般的Python用户、机器学习、人工智能领域的读者、普通高校计算机相关专业的学生

Про автора

Gavin Hackeling 是一名数据科学家和作家。他研究过各种各样的机器学习问题,包括自动语音识别、文档分类、目标识别、以及语义切分。Gavin Hackeling 毕业于北卡罗来纳大学和纽约大学,目前和他的妻子和猫生活在布鲁克林。