Python机器学习经典实例
23推荐 收藏
56.8K阅读
图灵程序设计丛书

Python机器学习经典实例

Prateek Joshi (作者) 陶俊杰 , 陈小莉 (译者)
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
来自Kaggle的经典数据集和机器学习案例
用流行的Python库scikit-learn解决机器学习问题
在如今这个处处以数据驱动的世界中,机器学习正变得越来越大众化。它已经被广泛地应用于不同领域,如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识,然后介绍一些稍微复杂的机器学习算法,例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络,等等。

收藏本书能做什么?

有情况的时候会收到通知,比如电子书发布等。

PS:?#19981;?#22312;图灵社区电报频道更新

电子书
¥29.99
格式
  pdf

纸质书
¥46.61 ¥59.00

出版信息

  • 书  名Python机器学习经典实例
  • 系列书名图灵程序设计丛书
  • 执行编辑关于本书的内容有任何问题,请联系 傅志红
  • 出版日期2017-08-17
  • 书  号978-7-115-46527-6
  • 定  价59.00 元
  • ?#22330; ?#25968;244
  • 印刷方式单色
  • 开  本16开
  • 出版状态上市销售
  • 原书名Python Machine Learning Cookbook
  • 原书号9781786464477

所属分类

  • JavaScript高级程序设计(第3版)

    Nicholas C.Zakas   李?#29022;?/a>   曹力   译

    本书是JavaScript超级畅销书的新版。ECMAScript 5 和HTML5在标准之争中双双胜出,使大量...

  • 计算机科学的基础

    Al Aho   Jeff Ullman   傅尔也   译

    本书全面而详细地阐述了计算机科学的理论基础,从抽象概念的机械化到各种数据模型的建立,用算法、数据抽象等核心思想...

  • Java技术手册(第6版)

    Benjamin J Evans   David Flanagan   安道   译

    通过学习本书,你将能够: 掌握最新的语言细节,包括Java 8的变化 使用基本的Java句法学习面向对...

  • 机器学习实战

    Peter Harrington   李锐   李鹏   曲亚东   王斌   译

    机器学习是人工智能研究领域中一个极其重要的研究方向,在现今的大数据时代背景下,捕获数据并从中萃取有价值的信息或...

  • 本书特色

    用最火的Python语言、通过各?#25351;?#26679;的机器学习算法来解决实际问题!
    书中介绍的主要问题如下。
    - 探索分类分析算法并将其应用于收入等级评估问题
    - 使用预测建模并将其应用到实际问题中
    - 了解如?#38382;?#29992;无监督学习来执行市场细分
    - 探索数据可视化技术以多种方式与数据进行交互
    - 了解如何构建推荐引擎
    - 理解如何与文本数据交互并构建模型来分析它
    - 使用隐马尔科夫模型来研究语音数据并识别语音

    目录

    版权声明 阅读
    译者序 阅读
    前言 阅读
    第 1 章 监督学习 阅读
    第 2 章 创建分类器
    第 3 章 预测建模
    第 4 章 无监督学习——聚类
    第 5 章 构建推荐引擎
    第 6 章 分析文本数据
    第 7 章 语音识别
    第 8 章 解剖时间序列和时序数据
    第 9 章 图像内容分析
    第 10 章 人脸识别
    第 11 章 深度神经网络
    第 12 章 可视化数据

    作者介绍

    Prateek Joshi 人工智能专家,重点关注基于内容的分析和深度学习,曾在英伟达、微软研究院、高通公司以及硅谷的几?#20197;?#26399;创业公司任职。个人博客地址: www.prateekj.com

    大家也?#19981;?/h4>

    • Python数据科学与机器学习:从入门到实践

      【美】弗兰克?凯恩(Frank Kane)   陈光欣   译

      本书介绍了使用Python进行数据分析和高效的机器学习,首先从一节Python速成课开始,然后回?#36865;?#35745;学和概率...

    • 深入理解Python特性

      [德]达恩·巴德尔(Dan Bader)   孙波翔   译

      本书致力于帮助Python开发人员挖掘这门语言及相关程序库的优秀特性,避免重复劳动,同时写出简洁、流畅、易读、...

    • 精通特征工程

      爱丽丝·郑   阿曼达·卡萨丽   陈光欣   译

      本书介绍大量特征工程技术,阐明特征工程的基本原则。主要内容包括:机器学习流程中 的基本概念,数值型数据的基础...

    • 本书以从零开发一个博客系统为例,介绍Django在日常工作中的应用。 本书共分为四部分。第一部分介绍编码之前...

  • 本书旨在介绍开源的Python算法库和数学工具包SciPy。近年来,基于NumPy和SciPy的完整生态系统迅...

  • 相关文章

    • 这本书上的数据怎么获取啊,感觉packt系列的书都没有给数据,巧妇难为无米之炊,就不能给我们省点心吗,还要到其它地方弄数据
      ?#35805;?#33821;莉无瑕  发表于 2018-12-01 08:03:49
      推荐
    • 请问这本书?#38382;庇新簦?
      大大大大大大蚂蚁  发表于 2017-07-24 18:50:17
      推荐
      • 下个月应该就有啦

        徐晓娟  发表于 2017-07-26 16:23:48
    • 什么时候有实体书
      HAKSAL  发表于 2017-12-13 12:02:53
      推荐
    • 5.10 生成电影推荐那章节
      for item in [x for x in dataset[u] if x not in dataset[user] or dataset[user][x]
      == 0]:
      total_scores.update({item: dataset[u][item] * similarity_score})
      similarity_sums.update({item: similarity_score})
      这个处理的意义何在呢?只保留最后一位用户的评分何必遍历所有数组~
      大羊羊  发表于 2017-12-15 11:18:28
      推荐
    • 第三页归一化那里,
      data_normalized = preprocessing.normalize(data, norm='l1')

      norm 的值第一个是 L 小写,不仔细看还以为是 1
      ltaoo  发表于 2017-12-23 22:45:21
      推荐
    • 准备学习
      黑小会  发表于 2018-03-15 21:39:50
      推荐
    • 第10章 盲源分离的部分找不到‘mixture_of_signals.txt’文件
      spcebn  发表于 2018-04-26 10:31:07
      推荐
    • 哪里能下载示例文件代码及示例数据?
      kongnj  发表于 2018-06-08 17:16:11
      推荐
    • 实体书187?#25345;?#34892;报错,求帮助:
      D:\python\opencv_study>python opencv9.py --feature-map-file feature_map.pkl --model-file erf.pkl
      d:\python\study\venv\lib\site-packages\sklearn\ensemble\weight_boosting.py:29: DeprecationWarning: numpy.core.umath_tests is an internal NumPy module and should not be imported. It will be removed in a future NumPy release.
      from numpy.core.umath_tests import inner1d
      slime  发表于 2018-08-02 09:44:00
      推荐
      • 自己解决了,pip无法管理第三方版本库,需要改用anaconda

        slime  发表于 2018-08-02 16:56:19
    • 第9章完成了所有的练习,但最后,?#24050;?#32451;了一个摩托车的分类识别,然而任何图片都被认为是摩托车,并没有能够完成分类.
      slime  发表于 2018-08-02 16:58:23
      推荐
    • RandomForestRegressor(n_estimators=1000, max_depth=10, min_samples_split=1) 应该改为min_samples_split=1.0
      小路标  发表于 2018-11-19 12:00:26
      推荐
      • 您运行的scikit-learn是什么版本呢?#35838;?#22312;python3.7 的 scikit-learn 0.20.0测试了,没有问题

        from sklearn.ensemble import RandomForestRegressor
        RandomForestRegressor(n_estimators=1000, max_depth=10, min_samples_split=1)

        RandomForestRegressor(bootstrap=True, criterion='mse', max_depth=10,
        max_features='auto', max_leaf_nodes=None,
        min_impurity_decrease=0.0, min_impurity_split=None,
        min_samples_leaf=1, min_samples_split=1,
        min_weight_fraction_leaf=0.0, n_estimators=1000, n_jobs=None,
        oob_score=False, random_state=None, verbose=0, warm_start=False)

        官方文档如下:https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestRegressor.html#sklearn.ensemble.RandomForestRegressor

        ```
        min_samples_split : int, float, optional (default=2)
        The minimum number of samples required to split an internal node:

        If int, then consider min_samples_split as the minimum number.
        If float, then min_samples_split is a fraction and ceil(min_samples_split * n_samples) are the minimum number of samples for each split.
        ```

        神烦小宝  发表于 2018-11-23 08:41:29
    糖果游行电子