机器学习——Python实践
- 体积：27.67 MB
- 语言：中文
- 日期：2018-11-25
- 推荐：人
简介：本书系统地讲解了机器学习的基本知识，以及在实际项目中使用机器学习的基本步骤和方法；详细地介绍了在进行数据处理、分析时怎样选择合适的算法，以及建立模型并优化等方法，通过不同的例子展示了机器学习在具体项目中的应用和实践经验，是一本非常好的机器学习入门和实践的书籍。 不同于很多讲解机器学习的书籍，本书以实践为导向，使用 scikit-learn 作为编程框架，强调简单、快速地建立模型，解决实际项目问题。读者通过对本书的学习，可以迅速上手实践机器学习，并利用机器学习解决实际问题。本书非常适合于项目经理、有意从事机器学习开发的程序员，以及高校相关专业在的读学生阅读。
这些资源你可能感兴趣
本书系统地讲解了机器学习的基本知识，以及在实际项目中使用机器学习的基本步骤和方法；详细地介绍了在进行数据处理、分析时怎样选择合适的算法，以及建立模型并优化等方法，通过不同的例子展示了机器学习在具体项目中的应用和实践经验，是一本非常好的机器学习入门和实践的书籍。 不同于很多讲解机器学习的书籍，本书以实践为导向，使用 scikit-learn 作为编程框架，强调简单、快速地建立模型，解决实际项目问题。读者通过对本书的学习，可以迅速上手实践机器学习，并利用机器学习解决实际问题。本书非常适合于项目经理、有意从事机器学习开发的程序员，以及高校相关专业在的读学生阅读。
编辑推荐
实践、实践、实践
本书通过不同的例子展示机器学习在具体项目中的应用和实践经验
使用 scikit-learn 作为编程框架，强调简单、快速地建立模型
作者简介
魏贞原，IBM 高级项目经理，主要负责银行客户的复杂系统开发。同时是 IBM CIC量子计算 COE 团队的 Python 领域专家（Subject Matter Expert），负责量子计算应用的探索工作，对机器学习和深度学习有深入的研究，精通于运用机器学习来解决数据科学的问题。并运营“知之Python”公众号，定期分享 Python 在机器学习和深度学习中的实践知识。
目录
第一部分 初始
1 初识机器学习.................................................................................. 2
1.1 学习机器学习的误区 ........................................................................................ 2
1.2 什么是机器学习 ................................................................................................ 3
1.3 Python 中的机器学习........................................................................................ 3
1.4 学习机器学习的原则 ........................................................................................ 5
1.5 学习机器学习的技巧 ........................................................................................ 5
1.6 这本书不涵盖以下内容 .................................................................................... 6
1.7 代码说明 ............................................................................................................ 6
1.8 总结.................................................................................................................... 6
2 Python 机器学习的生态圈 .............................................................. 7
2.1 Python ................................................................................................................. 7
2.2 SciPy ................................................................................................................... 9
2.3 scikit-learn .......................................................................................................... 9
2.4 环境安装 .......................................................................................................... 10
2.4.1 安装 Python.......................................................................................... 10
2.4.2 安装 SciPy ........................................................................................... 10
2.4.3 安装 scikit-learn ................................................................................... 11
2.4.4 更加便捷的安装方式.......................................................................... 11
2.5 总结.................................................................................................................. 12
3 第一个机器学习项目..................................................................... 13
3.1 机器学习中的 Hello World 项目 .................................................................... 13
3.2 导入数据.......................................................................................................... 14
3.2.1 导入类库.............................................................................................. 14
3.2.2 导入数据集.......................................................................................... 15
3.3 概述数据.......................................................................................................... 15
3.3.1 数据维度.............................................................................................. 16
3.3.2 查看数据自身...................................................................................... 16
3.3.3 统计描述数据...................................................................................... 17
3.3.4 数据分类分布...................................................................................... 17
3.4 数据可视化...................................................................................................... 18
3.4.1 单变量图表.......................................................................................... 18
3.4.2 多变量图表.......................................................................................... 20
3.5 评估算法.......................................................................................................... 20
3.5.1 分离出评估数据集.............................................................................. 21
3.5.2 评估模式.............................................................................................. 21
3.5.3 创建模型.............................................................................................. 21
3.5.4 选择最优模型...................................................................................... 22
3.6 实施预测............................................................................
本书评论