scikit-learn 新手的晉級：實作各種機器學習解決方案 (Mastering Machine Learning with scikit-learn, 2/e)
Gavin Hackeling 著 張浩然 譯，博碩文化 審校
- 出版商: 博碩文化
- 出版日期: 2020-04-21
- 定價: $500
- 售價: 5.0 折 $250 (限時優惠至 2025-01-31)
- 語言: 繁體中文
- 頁數: 256
- 裝訂: 平裝
- ISBN: 9864344846
- ISBN-13: 9789864344840
-
相關分類:
Machine Learning
- 此書翻譯自: Mastering Machine Learning with scikit-learn, 2/e (Paperback)
-
相關翻譯:
scikit-learn 機器學習, 2/e (Mastering Machine Learning with scikit-learn, 2/e) (簡中版)
立即出貨 (庫存 < 5)
買這商品的人也買了...
-
為你自己學 Git$500$390 -
優雅的 SciPy｜Python 科學研究的美學 (Elegant SciPy: The Art of Scientific Python)$580$458 -
Pandas 資料分析實戰：使用 Python 進行高效能資料處理及分析 (Learning pandas : High-performance data manipulation and analysis in Python, 2/e)$580$452 -
NumPy 高速運算徹底解說 - 六行寫一隻程式？你真懂深度學習？手工算給你看！$750$638 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$458 -
Python GUI 程式設計：PyQt5 實戰 (暢銷回饋版)$550$429 -
特徵工程不再難：資料科學新手也能輕鬆搞定！ (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$406 -
非監督式學習｜使用 Python (Hands-On Unsupervised Learning Using Python)$680$537 -
資料視覺化｜製作充滿說服力的資訊圖表 (Fundamentals of Data Visualization)$780$616 -
精通機器學習｜使用 Scikit-Learn , Keras 與 TensorFlow, 2/e (Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2/e)$1,200$948 -
TensorFlow 2.0 深度學習快速入門：從1到2快人一步，從0到2一步到位$420$328 -
機器學習｜特徵工程 (Feature Engineering for Machine Learning)$520$411 -
深度學習的數學：用數學開啟深度學習的大門 (書況略舊,不介意在下單)$500$425 -
量子電腦程式設計 (Programming Quantum Computers: Essential Algorithms and Code Samples)$680$537 -
生成深度學習｜訓練機器繪畫、作曲、寫作與玩遊戲 (Generative Deep Learning)$580$458 -
精通 Python｜運用簡單的套件進行現代運算, 2/e (Introducing Python: Modern Computing in Simple Packages, 2/e)$880$695 -
決心打底！Python 深度學習基礎養成$690$587 -
GAN 對抗式生成網路 (GANs in Action: Deep learning with Generative Adversarial Networks)$750$593 -
Python 機器學習 (上), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$620$484 -
Python 資料可視化之美：極專業圖表製作高手書 (全彩印刷)$780$616 -
Python 機器學習 (下), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$520$406 -
深度強化式學習 (Deep Reinforcement Learning in Action)$1,000$790 -
核心開發者親授！PyTorch 深度學習攻略 (Deep Learning with Pytorch)$1,000$790 -
Python 資料分析必備套件！Pandas 資料清理、重塑、過濾、視覺化 (Pandas 1.x Cookbook, 2/e)$780$616 -
scikit-learn 機器學習實戰$352$331
相關主題
商品描述
使用scikit-learn探索各式機器學習模型，實作多種機器學習演算法
機器學習是近年的熱門話題，它將電腦科學與統計學結合在一起，打造智慧又有效率的模型。你可以使用機器學習提供的強大演算法和技術，來自動化任何分析模型，而scikit-learn正是一個優秀的Python機器學習函式庫，它可以實作多種機器學習演算法，是非常好用的工具。
本書詳細介紹一系列機器學習模型和scikit-learn的使用技巧。從機器學習的基礎理論講起，涵蓋了簡單線性迴歸、KNN演算法、特徵提取、多元線性迴歸、邏輯斯迴歸、單純貝氏、非線性分類、決策樹迴歸、隨機森林、感知器、支援向量機、類神經網路、K-MEANS演算法等重要話題。
本書亦詳細討論資料預處理、超參數最佳化和整體（ensemble）方法。你也將學會使用scikit-learn的API，從分類變數、文本和影像之中提取特徵，一步步建立改善模型效能的專業直覺。
適用讀者
本書適合機器學習領域的工程師，也適合想要了解scikit-learn的資料科學家。
在這本書中，你將學到：
・基本概念簡述，如「偏誤」和「變異數」
・建置能夠分類文件、識別影像及偵測廣告的系統
・使用「線性迴歸」和「KNN」預測連續變數的值
・使用「邏輯斯迴歸」和「支援向量機」對文件和影像進行分類
・使用「裝袋法」和「提升法」建立估計器整體
・使用K-MEANS集群發現資料中的隱藏結構
・在常見任務中評估機器學習系統的效能
作者簡介
Gavin Hackeling是一名資料科學家和作家。他研究過各式各樣的機器學習問題，包括自動語音辨識、文件分類、物件辨識以及語義分割。他畢業於北卡羅來納大學和紐約大學。目前他和妻子與愛貓一起生活在布魯克林。
目錄大綱
前言
第1章：機器學習基礎
定義機器學習
從經驗之中學習
機器學習任務
訓練資料、測試資料和驗證資料
偏誤和變異數
scikit-learn簡介
安裝scikit-learn
安裝pandas、Pillow、NLTK和matplotlib
小結
第2章：簡單線性迴歸
簡單線性迴歸
評價模型
小結
第3章：使用KNN演算法分類和迴歸
KNN模型
惰式學習和非參數模型
KNN模型分類
KNN模型迴歸
小結
第4章：特徵提取
從分類變數中提取特徵
特徵標準化
從文本中提取特徵
從影像中提取特徵
小結
第5章：從簡單線性迴歸到多元線性迴歸
多元線性迴歸
多項式迴歸
正規化
應用線性迴歸
梯度下降法
小結
第6章：從線性迴歸到邏輯斯迴歸
使用邏輯斯迴歸進行二元分類
垃圾郵件過濾
使用網格搜尋微調模型
多元分類
多標籤分類和問題轉換
小結
第7章：單純貝氏
貝氏定理
生成模型和判別模型
單純貝氏
在scikit-learn中使用單純貝氏
小結
第8章：非線性分類和決策樹迴歸
決策樹
訓練決策樹
使用scikit-learn建立決策樹
小結
第9章：整體方法：從決策樹到隨機森林
裝袋法
提升法
堆疊法
小結
第10章：感知器
使用感知器進行文件分類
感知器的侷限性
小結
第11章：從感知器到支援向量機
核心與核技巧
最大化分類邊界和支援向量
使用scikit-learn分類字元
小結
第12章：從感知器到類神經網路
非線性決策邊界
前饋式類神經網路和回饋式類神經網路
多層感知器
訓練多層感知器
小結
第13章：K-MEANS演算法
分群
K-MEANS演算法
評估集群
影像量化
透過分群學習特徵
小結
第14章：使用主成分分析降維
主成分分析
使用PCA對高維度資料視覺化
使用PCA進行臉部辨識
小結
