python人工智慧機器學習工具書籍: scikit-learn Cookbook 2nd Edition
簡介
本書包括對機器學習中常見問題和不常見問題的演練和解決方案，以及如何利用scikit-learn有效地執行各種機器學習任務。
第二版首先介紹評估資料統計屬性的方法，併為機器學習建模生成合成資料。當您逐步完成這些章節時，您會遇到一些食譜，它們將教您實施資料預處理，線性迴歸，邏輯迴歸，KNN，NaïveBayes，分類，決策樹，合奏等技術。
此外，您將學習使用多級分類，交叉驗證，模型評估來優化您的模型，並深入學習使用scikit-learn實現深度學習。
除了涵蓋模型部分，API和分類器，迴歸器和估算器等新功能的增強功能外，本書還包含評估和微調模型效能的方法。在本書的最後，您將探索用於Python的scikit-learn提供的眾多功能，以解決您遇到的任何機器學習問題。
圖片.png
參考資料
- 下載： https://itbooks.pipipan.com/fs/18113597-337682953
- 討論qq群144081101 591302926 567351477
- 本文最新版本地址
- 本文涉及的python測試開發庫 謝謝點贊！
- 本文相關海量書籍下載
- 2018最佳人工智慧機器學習工具書及下載(持續更新)
內容
1：高效能機器學習 - NUMPY
2：預模型工作流程和預處理
3：減少尺寸
4：SCIKIT-LEARN線性模型
5：線性模型 - 邏輯迴歸
6：具有距離度量的模型
7：交叉驗證和後模型工作流程
8：支援向量機
9：樹演算法和外掛
10：具有SCIKIT-LEARN的文字和多層分類
11：神經網路
12：建立簡單的估計器
你將學到什麼
- 使用scikit-learn在幾分鐘內構建預測模型
- 理解分類和迴歸之間的差異和關係，兩種型別的監督學習。
- 使用距離度量來預測聚類，這是一種無監督學習
- 找到與Nearest Neighbors具有相似特徵的點。
- 使用自動化和交叉驗證來查詢最佳模型，並專注於資料產品
- 選擇眾多最佳演算法或在整體中一起使用它們。
- 使用sklearn的簡單語法建立自己的估算器
- 探索scikit-learn中提供的前饋神經網路
作者
- 朱利安.阿維拉
Julian Avila是金融和計算機視覺領域的程式設計師和資料科學家。他畢業於麻省理工學院（MIT）數學專業，研究量子力學計算，涉及物理，數學和電腦科學。在麻省理工學院期間，朱利安首先通過與CSAIL實驗室的朋友討論，獲得古典和弗拉門戈吉他，機器學習和人工智慧。
他開始在中學程式設計，包括遊戲和幾何藝術動畫。他成功地參加了數學和程式設計，並在麻省理工學院的幾個小組工作。 Julian用優雅的Python編寫了完整的軟體專案，並進行了即時編譯。他的一些令人難忘的專案包括大型面部識別系統，用於GPU上的神經網路視訊，識別圖片中的神經元部分，及股票市場交易程式。
-
特倫特.豪克
Trent Hauck是一位在西雅圖地區生活和工作的資料科學家。他在堪薩斯州的威奇托長大，並獲得了堪薩斯大學的本科和研究生學位。他是“使用pandas How-to，Packt Publishing”這本書的即時資料密集型應用程式的作者，這本書可以幫助您快速掌握pandas和其他相關技術。