машинное обучение с использованием python сборник рецептов элбон крис pdf
Машинное обучение с использованием Python, Сборник рецептов, Крис Э., 2019
По кнопке выше «Купить бумажную книгу» можно купить эту книгу с доставкой по всей России и похожие книги по самой лучшей цене в бумажном виде на сайтах официальных интернет магазинов Лабиринт, Озон, Буквоед, Читай-город, Литрес, My-shop, Book24, Books.ru.
По кнопке «Найти похожие материалы на других сайтах» можно искать похожие материалы на других сайтах.
On the buttons above you can buy the book in official online stores Labirint, Ozon and others. Also you can search related and similar materials on other sites.
Машинное обучение с использованием Python, Сборник рецептов, Крис Э., 2019.
Книга содержит около 200 рецептов решения практических задач машинного обучения, таких как загрузка и обработка текстовых или числовых данных, отбор модели, уменьшение размерности и многие другие. Рассмотрена работа с языком Python и его библиотеками, в том числе pandas и scikit-leam. Решения всех задач сопровождаются подробными объяснениями. Каждый рецепт содержит работающий программный код, который можно вставлять, объединять и адаптировать, создавая собственное приложение. Приведены рецепты решений с использованием: векторов, матриц и массивов; обработки данных, текста, изображений, дат и времени; уменьшения размерности и методов выделения или отбора признаков; оценивания и отбора моделей; линейной и логистической регрессии, деревьев, лесов и к ближайших соседей; опорновекторных машин (SVM), наивных байесовых классификаторов, кластеризации и нейронных сетей; сохранения и загрузки натренированных моделей.
Обсуждение.
Как видно из этих решений, функция make regression возвращает матрицу признаков и вектор целей, состоящие из вещественных значений, в то время как функции make_ciassification и make_biobs возвращают матрицу признаков, состоящую из вещественных значений, а вектор целей— из целочисленных значений. Значения вектора целей обозначают принадлежность к классу.
Оглавление.
Об авторе.
Предисловие.
Глава 1.Векторы, матрицы, массивы.
Глава 2.Загрузка данных.
Глава 3.Упорядочение данных.
Глава 4.Работа с числовыми данными.
Глава 5.Работа с категориальными данными.
Глава 6.Работа с текстом.
Глава 7.Работа с датами и временем.
Глава 8.Работа с изображениями.
Глава 9.Снижение размерности с помощью выделения признаков.
Глава 10.Снижение размерности с помощью отбора признаков.
Глава 11.Оценивание моделей.
Глава 12.Отбор модели.
Глава 13.Линейная регрессия.
Глава 14.Деревья и леса.
Глава 15.К ближайших соседей.
Глава 16.Логистическая регрессия.
Глава 17.Опорно-векторные машины.
Глава 18.Наивный Байес.
Глава 19.Кластеризация.
Глава 20.Нейронные сети.
Глава 21.Сохранение и загрузка натренированных моделей.
Предметный указатель.
Машинное обучение с использованием Python. Сборник рецептов
Описание книги
Книга содержит около 200 рецептов решения практических задач машинного обучения, таких как загрузка и обработка текстовых или числовых данных, отбор модели, уменьшение размерности и многие другие. Рассмотрена работа с языком Python и его библиотеками, в том числе pandas и scikit-learn. Решения всех задач сопровождаются подробными объяснениями. Каждый рецепт содержит работающий программный код, который можно вставлять, объединять и адаптировать, создавая собственное приложение. Приведены рецепты.
Книга содержит около 200 рецептов решения практических задач машинного обучения, таких как загрузка и обработка текстовых или числовых данных, отбор модели, уменьшение размерности и многие другие. Рассмотрена работа с языком Python и его библиотеками, в том числе pandas и scikit-learn. Решения всех задач сопровождаются подробными объяснениями. Каждый рецепт содержит работающий программный код, который можно вставлять, объединять и адаптировать, создавая собственное приложение. Приведены рецепты решений с использованием: векторов, матриц и массивов; обработки данных, текста, изображений, дат и времени; уменьшения размерности и методов выделения или отбора признаков; оценивания и отбора моделей; линейной и логистической регрессии, деревьев, лесов и k ближайших соседей; опорно-векторных машин (SVM), наивных байесовых классификаторов, кластеризации и нейронных сетей; сохранения и загрузки натренированных моделей. Книга «Машинное обучение с использованием Python. Сборник рецептов» автора Элбон Крис оценена посетителями КнигоГид, и её читательский рейтинг составил 0.00 из 10.
Для бесплатного просмотра предоставляются: аннотация, публикация, отзывы, а также файлы для скачивания.
Машинное обучение с использованием python сборник рецептов элбон крис pdf
Библиотека программиста запись закреплена
Подборка книг по Python (2018)
1.Machine Learning with TensorFlow (2018)
Автор: Nishant Shukla
2. Introducing Python: Modern Computing in Simple Packages (2017)
Автор: Билл Любанович
В этой книге вы узнаете об основах языка, о современных пакетах и библиотеках Python 3. Также автор рассматривает такие сложные темы, как отладка, тестирование, повторное использование кода и многое другое. Объяснения автора перемешаны с примерами кода, которые помогут быстро освоить язык и перейти к программированию реальных приложений.
3. The Python 3 Standard Library by Example (2017)
Автор: Doug Hellmann
Данное руководство охватывает наиболее популярные пакеты из стандартной библиотеки. Также автор постарался показать, как работающие решения на Python 3.x можно перенести на Python 2.x.
4. Python Crash Course: A Hands-On, Project-Based Introduction to Programming (2015). Автор: Эрик Мэтиз
Если вам не терпится перейти к разработке приложений на python, то эта книга для вас. В ней вы быстро пробежитесь по основам программирования и самому языку, а потом напишите больше приложение — игру, которую будете постепенно усложнять, используя приобретённые знания и навыки. Также вы научитесь работать с большими наборами данных и освоите их визуализацию и создадите полноценное веб-приложение на базе Django, гарантирующее конфиденциальность пользовательской информации.
5. Machine Learning with Python Cookbook: Practical Solutions from Preprocessing to Deep Learning (2018). Автор: Chris Albon
Это руководство рассматривает современные подходы языка к решению актуальных проблем в данной области, принятые стандарты и практики, а также реальные примеры применения.