Машинное обучение с использованием Python, Сборник рецептов, Крис Э., 2019

К сожалению, на данный момент у нас невозможно бесплатно скачать полный вариант книги.

Но вы можете попробовать скачать полный вариант, купив у наших партнеров электронную книгу здесь, если она у них есть наличии в данный момент.

Также можно купить бумажную версию книги здесь.

Ссылки на файлы заблокированы по запросу правообладателей.

Links to files are blocked at the request of copyright holders.

Машинное обучение с использованием Python, Сборник рецептов, Крис Э., 2019.

Книга содержит около 200 рецептов решения практических задач машинного обучения, таких как загрузка и обработка текстовых или числовых данных, отбор модели, уменьшение размерности и многие другие. Рассмотрена работа с языком Python и его библиотеками, в том числе pandas и scikit-leam. Решения всех задач сопровождаются подробными объяснениями. Каждый рецепт содержит работающий программный код, который можно вставлять, объединять и адаптировать, создавая собственное приложение. Приведены рецепты решений с использованием: векторов, матриц и массивов; обработки данных, текста, изображений, дат и времени; уменьшения размерности и методов выделения или отбора признаков; оценивания и отбора моделей; линейной и логистической регрессии, деревьев, лесов и к ближайших соседей; опорновекторных машин (SVM), наивных байесовых классификаторов, кластеризации и нейронных сетей; сохранения и загрузки натренированных моделей.

Машинное обучение с использованием Python, Сборник рецептов, Крис Э., 2019


Обсуждение.
Как видно из этих решений, функция make regression возвращает матрицу признаков и вектор целей, состоящие из вещественных значений, в то время как функции make_ciassification и make_biobs возвращают матрицу признаков, состоящую из вещественных значений, а вектор целей— из целочисленных значений. Значения вектора целей обозначают принадлежность к классу.

Оглавление.
Об авторе.
Предисловие.
Глава 1.Векторы, матрицы, массивы.
Глава 2.Загрузка данных.
Глава 3.Упорядочение данных.
Глава 4.Работа с числовыми данными.
Глава 5.Работа с категориальными данными.
Глава 6.Работа с текстом.
Глава 7.Работа с датами и временем.
Глава 8.Работа с изображениями.
Глава 9.Снижение размерности с помощью выделения признаков.
Глава 10.Снижение размерности с помощью отбора признаков.
Глава 11.Оценивание моделей.
Глава 12.Отбор модели.
Глава 13.Линейная регрессия.
Глава 14.Деревья и леса.
Глава 15.К ближайших соседей.
Глава 16.Логистическая регрессия.
Глава 17.Опорно-векторные машины.
Глава 18.Наивный Байес.
Глава 19.Кластеризация.
Глава 20.Нейронные сети.
Глава 21.Сохранение и загрузка натренированных моделей.
Предметный указатель.

Купить - zip,pdf .



По кнопкам выше и ниже «Купить бумажную книгу» и по ссылке «Купить» можно купить эту книгу с доставкой по всей России и похожие книги по самой лучшей цене в бумажном виде на сайтах официальных интернет магазинов Лабиринт, Озон, Буквоед, Читай-город, Литрес, My-shop, Book24, Books.ru.

По кнопке «Купить и скачать электронную книгу» можно купить эту книгу в электронном виде в официальном интернет магазине «ЛитРес», и потом ее скачать на сайте Литреса.

По кнопке «Найти похожие материалы на других сайтах» можно найти похожие материалы на других сайтах.

On the buttons above and below you can buy the book in official online stores Labirint, Ozon and others. Also you can search related and similar materials on other sites.


Дата публикации:

Хештеги: :: :: ::