自動機器學習入門與實踐:使用Python

內容簡介

AutoML可以將部分機器學習過程自動化，減輕數據科學從業者的工作負擔，深受高級分析人員的喜愛。本書介紹搭建AutoML模組的基礎知識，並通過練習幫助讀者消化這些知識。讀者將學習使用機器學習流水線自動實現數據預處理、特徵選擇、模型訓練、模型最佳化等任務，學習套用auto-sklearn和MLBox等已有的自動化庫，並且創建和擴展自定義的AutoML環節。閱讀本書，你將對AutoML有更清晰的認識，能利用真實數據集完成自動化任務。書中知識可運用到實際的機器學習項目中，或者在機器學習競賽中助你一臂之力。

圖書目錄

第1章 AutoML簡介 1

1.1 機器學習的範圍 2

1.2 什麼是AutoML 4

1.3 為什麼和怎么用AutoML 10

1.4 何時需要將機器學習自動化 11

1.5 能學到什麼 11

1.6 AutoML庫概述 13

1.7 總結 23

第2章 Python機器學習簡介 25

2.1 技術要求 26

2.2 機器學習 26

2.3 線性回歸 28

2.4 重要評估指標——回歸算法 37

2.5 邏輯回歸 39

2.6 重要評估指標——分類算法 44

2.7 決策樹 46

2.8 支持向量機 49

2.9 K近鄰算法 52

2.10 集成方法 54

2.11 分類器結果對比 59

2.12 交叉驗證 60

2.13 聚類 61

2.14 總結 66

第3章數據預處理 67

3.1 技術要求 68

3.2 數據轉換 68

3.3 特徵選擇 97

3.4 特徵生成 103

3.5 總結 105

第4章自動化算法選擇 107

4.1 技術要求 108

4.2 計算複雜度 108

4.3 訓練時間和推理時間的區別 110

4.4 線性與非線性 119

4.5 必要特徵轉換 124

4.6 監督機器學習 125

4.7 無監督AutoML 132

4.8 總結 157

第5章超參數最佳化 159

5.1 技術要求 160

5.2 超參數 161

5.3 熱啟動 173

5.4 貝葉斯超參數最佳化 174

5.5 示例系統 175

5.6 總結 178

第6章創建AutoML流水線 179

6.1 技術要求 180

6.2 機器學習流水線簡介 180

6.3 簡單的流水線 182

自動機器學習入門與實踐:使用Python

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條