機器學習入門必備

內容簡介

《機器學習入門必備》是一本機器學習入門的必備圖書，書中沒有讓人頭暈眼花的公式推導，而是通過一些易於理解的類比、案例以及圖片，以通俗易懂的方式講解了機器學習中的一些名詞和常見算法，使初學者能夠很容易地掌握機器學習的相關概念工具、數據處理、回歸與分析、建模與最佳化等內容。書中還介紹了使用代碼構建一個機器學習模型，將讀者帶入實踐環節。

　　《機器學習入門必備》非常適合沒有任何基礎的人工智慧愛好者學習使用；對於對機器學習領域還不是很了解的讀者來說，《機器學習入門必備》也是一本非常好的入門書籍。

圖書目錄

譯者序

前言

第1章什麼是機器學習

第2章機器學習種類

2．1 監督學習

2．2 非監督學習

2．3 強化學習

第3章機器學習工具箱

3．1 數據

3．2 基礎設施

3．3 算法

3．4 可視化

3．5 高級工具箱

3．6 大數據

3．7 高級基礎設施

3．8 高級算法

第4章數據清洗

4．1 特徵選擇

4．2 行壓縮

4．3 One-hot編碼

4．4 分箱

4．5 缺失值

第5章設定數據

5．1 交叉驗證

5．2 需要多少數據

第6章回歸分析

6．1 計算示例

6．2 邏輯回歸

6．3 支持向量機

第7章聚類

7．1 k近鄰

7．2 k均值聚類

7．3 設定k值

第8章偏差和方差

第9章人工神經網路

9．1 概述

9．2 構建神經網路

第10章決策樹

10．1 構建決策樹

10．2 隨機森林

10．3 Boosting

第11章集成建模

第12章開發環境

12．1 導庫

12．2 導入數據集並預覽

12．3 查找行

12．4 列印列名

第13章使用Python構建模型

13．1 導庫

13．2 導入數據集

13．3 清洗數據集

13．4 清洗過程

13．5 分割數據

13．6 選擇算法並配置超參數

13．7 評估結果

第14章模型最佳化

機器學習入門必備

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條