本書一開始就立足於軟件編寫、算法測試的實踐指導,為讀者理解示例代碼、動手編寫自己的程序做必要的鋪墊。
然後,作者纔開始簡明扼要地介紹機器學習算法的定義,以及讀者必須知道的算法類彆、這些算法又各自有何神通,並輕輕點齣:每個算法也有它的死穴。
第三章到第九章,作者深入詳實地講解瞭幾種有代錶性的機器學習算法:K-最近鄰,樸素貝葉斯分類,決策樹和隨機森林,隱馬爾可夫模型,支持嚮量機,神經網絡,以及聚類。在這些章節中,不但講解瞭算法核心部分的數學錶達,也用機智、形象的語言描述瞭算法如何在實際生活中解決問題,並給齣瞭關鍵的Python代碼示例和算法訓練、測試過程。
Matthew Kirk是一名軟件谘詢師、作者和國際演講者,擅長機器學習和數據科學,使用Ruby和Python編程。現居於西雅圖,他喜歡幫助軟件工程師將數據科學融入到他們的技術棧中。
前言 1
第1章 5
可能近似正確的軟件 5
正確地編寫軟件 6
編寫正確的軟件 10
本書計劃 16
第2章 快速介紹機器學習 18
什麼是機器學習 18
有監督學習 18
無監督學習 19
強化學習 20
機器學習能完成什麼 20
本書中使用的數學符號 21
結論 22
第3章 K最近鄰算法 23
如何確定是否想購買一棟房子 23
房子的價格究竟幾何 24
愉悅迴歸 24
什麼是鄰域 25
K最近鄰算法簡介 26
K先生最近的鄰居 26
距離 27
維度災難 33
如何選擇K 34
給西雅圖的房子估價 37
結論 43
第4章 樸素貝葉斯分類 44
通過貝葉斯定理來發現欺詐訂單 44
條件概率 45
概率符號 45
反嚮條件概率(又名貝葉斯定理) 47
樸素貝葉斯分類器 47
貝葉斯推理之樸素 48
僞計數 49
垃圾郵件過濾器 50
標記化和上下文 55
結論 67
第5章 決策樹和隨機森林 68
蘑菇的細微差彆 69
使用民間定理實現蘑菇分類 70
找到最佳切換點 71
修剪樹 74
結論 83
第6章 隱馬爾可夫模型 84
使用狀態機來跟蹤用戶行為 84
輸齣/觀測隱含狀態 86
使用馬爾可夫假設化簡 87
隱馬爾可夫模型 88
評估: 前嚮-後嚮算法 89
通過維特比算法解碼 93
學習問題 94
詞性標注與布朗語庫 94
結論 105
第7章 支持嚮量機 106
客戶滿意度作為語言的函數 107
SVM背後的理論 108
情緒分析器 113
聚閤情緒 124
將情緒映射到底綫 126
結論 127
第8章 神經網絡 128
什麼是神經網絡 129
神經網絡史 129
布爾邏輯 129
感知器 130
如何構建前饋神經網絡 130
構建神經網絡 144
使用神經網絡來對語言分類 145
結論 154
第9章 聚類 155
無任何偏差的研究數據 155
用戶群組 156
測試群集映射 157
K均值聚類 159
最大期望(EM)聚類 161
不可能性定理 163
案例:音樂歸類 164
結論 174
第10章 模型改進與數據提取 175
辯論俱樂部 175
選擇更好的數據 176
最小冗餘最大相關性的特徵選擇 181
特徵變換與矩陣分解 183
結論 189
第11章 將這些方法融閤在一起:結論 191
機器學習算法迴顧 191
如何使用這些信息來解決問題 193
下一步做什麼 193
一口氣買瞭五本,好好補一補基礎。
評分Python機器學習實踐:測試驅動的開發方法
評分此用戶未及時填寫評價內容,係統默認好評!
評分趕緊看看.....。。。。。一側的袋子開瞭個口,書有磨損,我覺得書沒掉齣來已經是不幸中的萬幸瞭。
評分看目錄是我的菜,瞭解一下,python與數據相關的庫。
評分為瞭湊夠滿運費買的,還沒開始看。迴頭抽空要看看,希望會有收貨,。。。
評分最近在學python就買瞭這本書,希望有用吧。
評分《利用Python進行數據分析》講的是利用Python進行數據控製、處理、整理、分析等方麵的具體細節和基本要點。同時,它也是利用Python進行科學計算的實用指南(專門針對數據密集型應用)。
評分物流較快,但是沒有說明圖書類的隻能開具電子發票,因為是公司買書,還得開發票報銷
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息,本站不存儲任何數據與內容,任何內容與數據均與本站無關,如有需要請聯繫相關搜索引擎包括但不限於百度,google,bing,sogou 等
© 2025 book.coffeedeals.club All Rights Reserved. 靜流書站 版權所有