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

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.




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 .





Хештеги: #Крис :: #книги по программированию :: #программирование :: #python