Машинное обучение: карманный справочник. Краткое руководство по методам структурированного машинного обучения на Python

Мэтт Харрисон

Machine Learning Pocket Reference: A Quick Guide to Structured Machine Learning Techniques
Matt Harrison
книга Машинное обучение: карманный справочник. Краткое руководство по методам структурированного машинного обучения на Python
(увеличить обложку)

Книга в типографии

Оглавление
Пролистать книгу
Файлы к книге

В книгу Машинное обучение: карманный справочник, включены подробные примеры и комментарии, которые помогут вам оперативно ориентироваться в основах структурированного машинного обучения(МО). Автор, Мэтт Харрисон, предлагает ценный справочник, который вы можете использовать как дополнительное пособие при обучении МО и в качестве удобного ресурса, когда погружаетесь в ваш следующий проект машинного обучения. Приведенные фрагменты кода имеют такой размер, чтобы их можно было использовать и адаптировать в ваших собственных проектах МО.

Книга, идеально подходящая для программистов, аналитиков данных и инженеров искусственного интеллекта, содержит обзор процесса машинного обучения и знакомит вас с классификацией структурированных данных. В книге рассматриваются различные библиотеки и модели, их компромиссы, настройка и интерпретация. Кроме всего прочего вы изучите методы кластеризации, регрессии и уменьшения размерности.

Основные темы книги

  • Классификация с использованием набора данных Titanic
  • Как очистить данные и справиться с их недостатком
  • Разведочный анализ данных
  • Общие этапы предварительной обработки с использованием выборки данных
  • Выбор признаков, полезных для модели
  • Выбор модели
  • Оценка метрики и классификации
  • Примеры регрессии с использованием нескольких методов машинного обучения
  • Метрики для оценки регрессии
  • Кластеризация
  • Уменьшение размерности
  • Конвейеры Scikit-learn

При использовании этой книги предполагается знание языка программирования Python.

В книге демонстрируется, как использовать различные вспомогательные библиотеки Python для решения реальных задач МО.

Эта книга не заменит учебный курс по МО, но должна служить ориентиром того, что может охватывать прикладной курс машинного обучения. Автор использует ее в качестве справочного материала для курсов по анализу данных и машинному обучению, который он преподает.

Автор книги Мэтт Харрисон считает, что его книга — лучший сборник ресурсов и примеров для решения задач прогнозного моделирования, если у вас есть структурированные данные.

Книга обсуждается в отдельном сообщении в блоге Виктора Штонда.


320, c ил стр., с ил.; ISBN 978-5-907203-17-4, 978-1-492-04754-4; формат 84x108/32; мягкий переплет; тип бумаги: офсетная; серия Pocket Reference (O'Reilly); 28.04.2020; Вильямс.



Понравилась книга? Порекомендуйте её друзьям и коллегам:









Оглавление книги "Машинное обучение: карманный справочник. Краткое руководство по методам структурированного машинного обучения на Python"


Введение     13
Глава 1. Введение в машинное обучение     19
Глава 2. Обзор процесса машинного обучения     27
Глава 3. Пошаговая классификация: набор данных Titanic     29
Глава 4. Пропущенные данные     59
Глава 5. Очистка данных     67
Глава 6. Исследование     71
Глава 7. Предварительная обработка данных     91
Глава 8. Выбор признаков     105
Глава 9. Несбалансированные классы     115
Глава 10. Классификация     121
Глава 11. Выбор модели     169
Глава 12. Метрики и оценка классификации     173
Глава 13. Объяснение моделей     191
Глава 14. Регрессия     205
Глава 15. Метрики и регрессионная оценка     239
Глава 16. Объяснение регрессионных моделей     247
Глава 17. Уменьшение размерности     253
Глава 18. Кластеризация     285
Глава 19. Конвейер     301
Предметный указатель     307


Copyright © 1992-2019 Издательская группа "Диалектика-Вильямс"

Rambler  Top100