Python机器学习基础教程(高清版)

所需积分/C币:25 2018-10-25 10.54MB PDF
评分

基于python的机器学习算法,内涵kNN,朴素贝叶斯,tf-idf等常用算法,很适合入门级别人学习。
版权声明 O'Reilly media,Inc.介绍 业界评论 前言 目标读者 写作本书的原因 本书概览 在线资源 排版约定 使用代码示例 Safari(R Books online 联系我们 致谢 来自 Andreas的致谢 来自 Sarah的致谢 电子书 第1章引言 11为何选择机器学习 1.1.1机器学习能够解决的问题 1.1.2熟悉任务和数据 12为何选择 Python 1.3 scikit-learn 安装 scikit-learn 14必要的库和工具 1.4.1 Jupyter Notebook 1.4.2 NumPy 1.4.3 SciPy 1.4.4 matplotlib 1.4.5 pandas 1.4.6 mglearn 1.5 Python2与 Python3的对比 16本书用到的版本 17第一个应用:鸢尾花分类 1.7.1初识数据 1.7.2衡量模型是否成功:训练数据与测试数据 1.7.3要事第一:观察数据 1.7.4构建第一个模型:k近邻算法 1.7.5做出预测 1.7.6评估模型 18小结与展望 第2章监督学习 2.1分类与回归 22泛化、过拟合与欠拟合 模型复杂度与数据集大小的关系 2.3监督学习算法 23.1一些样本数据集 2.3.2k近邻 2.3.3线性模型 2.34朴素贝叶斯分类器 2.3.5决策树 2.3.6决策树集成 2.37核支持向量机 238神经网络(深度学习) 2.4分类器的不确定度估计 2.41决策函数 24.2预测概率 2.4.3多分类问题的不确定度 25小结与展望 第3章无监督学习与预处理 3.1无监督学习的类型 32无监督学习的挑战 33预处理与缩放 331不同类型的预处理 33.2应用数据变换 333对训练数据和测试数据进行相同的缩放 334预处理对监督学习的作用 34降维、特征提取与流形学习 34.1主成分分析 34.2非负矩阵分解 34.3用tSNE进行流形学习 35聚类 351k均值聚类 3.5.2凝聚聚类 3.5.3 DBSCAN 35.4聚类算法的对比与评估 355聚类方法小结 36小结与展望 第4章数据表示与特征工程 4.1分类变量 4.1.1One-Hot编码(虚拟变量) 41.2数字可以编码分类变量 4.2分箱、离散化、线性模型与树 4.3交互特征与多项式特征 4.4单变量非线性变换 4.5自动化特征选择 4.51单变量统计 45.2基于模型的特征选择 4.5.3迭代特征选择 46利用专家知识 4.7小结与展望 第5章模型评估与改进 5.1交叉验证 51.1 scikit-learn中的交叉验证 5.1.2交叉验证的优点 5.1.3分层k折交叉验证和其他策略 5.2网格搜索 5.2.1简单网格搜索 5.2.2参数过拟合的风险与验证集 5.2.3带交叉验证的网格搜索 5.3评估指标与评分 5.3.1牢记最终目标 53.2二分类指标 53.3多分类指标 5.34回归指标 5.3.5在模型选择中使用评估指标 54小结与展望 第6章算法链与管道 6.,1用预处理进行参数选择 6.,2构建管道 6.3在网格搜索中使用管道 64通用的管道接口 641用make_ pipeline方便地创建管道 6.4.2访问步骤属性 6.4.3访问网格搜索管道中的属性 6.5网格搜索预处理步骤与模型参数 6.6网格搜索选择使用哪个模型 6.7小结与展望 第7章处理文本数据 7.1用字符串表示的数据类型 7.2示例应用:电影评论的情感分析 73将文本数据表示为词袋 7.3.1将词袋应用于玩具数据集 7.3.2将词袋应用于电影评论 7.4停用词 7.5用tf-idf缩放数据 7.6研究模型系数 77多个单词的词袋(n元分词) 7.8高级分词、词干提取与词形还原 7.9主题建模与文档聚类 隐含狄利克雷分布 7.10小结与展望 第8章全书总结 81处理机器学习问题 参与决策过程的人 8.2从原型到生产 8.3测试生产系统 84构建你自己的估计器 85下一步怎么走 8.51理论 85.2其他机器学习框架和包 853排序、推荐系统与其他学习类型 85.4概率建模、推断与概率编程 855神经网络 85.6推广到更大的数据集 857磨练你的技术 86总结 关于作者 关于封面 版权声明 o 2017 by Sarah Guido and Andreas Miller. Simplified Chinese edition, jointly published by O reilly Media, InC. and Posts Telecom Press, 2018. Authorized translation of the english edition 2016OReilly media, InC, the owner of all rights to publish and sell the same All rights reserved including the rights of reproduction in whole or in part in any form 英文原版由 OReilly media,Inc.出版2016。 简体中文版由人民邮电出版社出版,2018。英文原版的翻译得到 OReilly media,Inc.的授权。此简体中文版的出版和销售得到出版权和 销售权的所有者— OReilly media,Inc.的许可。 版权所有,未得书面许可,本书的任何部分和全部不得以任何形式重 制 O'Reilly media,Inc.介绍 O'Reilly media通过图书、杂志、在线服务、调查研究和会议等方式传 播创新知识。自1978年开始, OReilly一直都是前沿发展的见证者和推 动者。超级极客们正在开创着未来,而我们关注真正重要的技术趋势 —通过放大那些“细微的信号”来刺激社会对新科技的应用。作为技术 社区中活跃的参与者, OReilly的发展充满了对创新的倡导、创造和发 扬光大 OReilly为软件开发人员带来革命性的“动物书”;创建第一个商业网站 (GNN);组织了影响深远的开放源代码峰会,以至于开源软件运动以 此命名;创立了Make杂志,从而成为DY革命的主要先锋;公司一如 既往地通过多种形式缔结信息与人的纽带。 OReilly的会议和峰会集聚 了众多超级极客和高瞻远瞩的商业领袖,共同描绘出开创新产业的革命 性思想。作为技术人士获取信息的选择, OReilly现在还将先锋专家的 知识传递给普通的计算机用户。无论是通过图书出版、在线服务或者面 授课程,每一项 OReilly的产品都反映了公司不可动摇的理念——一信. 是激发创新的力量。 业界评论 “ O Reilly radar博客有口皆碑。” Wired “ O'Reilly凭借一系列(真希望当初我也想到了)非凡想法建立了数百 万美元的业务。” Business 2.0 “ OReilly Conference是聚集关键思想领袖的绝对典范。” CRN “一本ORey的书就代表一个有用、有前途、需要学习的主题。”

...展开详情
举报 举报 收藏 收藏
分享

评论 下载该资源后可以进行评论 2

zj261483953 确实中文版,高清!
2019-02-23
回复
侯大臭 很清楚 非常好 值得收藏和学习
2018-12-02
回复
33.78MB
python机器学习基础教程》中文版pdf+源码

本书概览 本书的结构大致如下。 • 第 1 章介绍机器学习的基本概念及其应用,并给出本书会用到的基本设置。 • 第 2 章和第 3 章介绍实践中最常用的机器学习算法,并讨论这些算法的优缺点。 • 第 4 章介绍在机器学习中待处理数据的呈现方式的重要性,以及应重点关注数据的哪些 方面。 • 第 5 章介绍模型评估和调参的高级方法,重点讲解交叉验证和网格搜索。 • 第 6 章解释管道的概念。管道用于串联多个模型并封装工作流。 • 第 7 章介绍如何将前面各章讲述的方法应用到文本数据上,还介绍了一些文本特有的处 理方法。 • 第 8 章对全书进行总结,还介绍了有关更高级主题的参考资料。 第 1 章

2019-05-15 立即下载
28.29MB
Python机器学习基础教程(完整电子版)

本书是机器学习入门书,以Python语言介绍。主要内容包括:机器学习的基本概念及其应用;实践中最常用的机器学习算法以及这些算法的优缺点;在机器学习中待处理数据的呈现方式的重要性,以及应重点关注数据的哪些方面;模型评估和调参的高级方法,重点讲解交叉验证和网格搜索;管道的概念;如何将前面各章的方法应用到文本数据上,还介绍了一些文本特有的处理方法。 前言  ix 第1章 引言  1 1.1 为何选择机器学习  1 1.1.1 机器学习能够解决的问题  2 1.1.2 熟悉任务和数据  4 1.2 为何选择Python  4 1.3 scikit-learn  4 1.4 必要的库和工具  5 1.

2018-06-08 立即下载
79.34MB
Python机器学习基础教程》高清中文版PDF+高清英文版PDF+源代码

《Python机器学习基础教程》高清中文版PDF+高清英文版PDF+源代码,花5rmb买的,资源收集不易,谢谢支持

2019-03-07 立即下载
13.49MB
Python机器学习基础教程(完整,高清 带书签)

本书是机器学习入门书,以Python语言介绍。主要内容包括:机器学习的基本概念及其应用;实践中常用的机器学习算法以及这些算法的优缺点;在机器学习中待处理数据的呈现方式的重要性,以及应重点关注数据的哪些方面;模型评估和调参的方法,重点讲解交叉验证和网格搜索;管道的概念;如何将前面各章的方法应用到文本数据上,还介绍了一些文本特有的处理方法。 本书适合机器学习从业者或有志成为机器学习从业者的人阅读。

2018-07-01 立即下载
29.42MB
Python机器学习基础教程 - 2018

Python机器学习基础教程 - 2018 Python机器学习基础教程 - 2018

2019-01-23 立即下载
34.33MB
Python机器学习基础电子书(高清带书签)

Python机器学习基础电子书(高清带书签),入门级书籍!!

2018-08-28 立即下载
51.58MB
(无密码)图灵书籍(Python机器学习基础教程.pdf+代码)

自己收集的正版图灵电子书,ZIP压缩,没有密码,下载后直接打开学习,不用支付费用。真实共享!! 本书是机器学习入门书,以Python语言介绍。主要内容包括:机器学习的基本概念及其应用;实践中最常用的机器学习算法以及这些算法的优缺点;在机器学习中待处理数据的呈现方式的重要性,以及应重点关注数据的哪些方面;模型评估和调参的高级方法,重点讲解交叉验证和网格搜索;管道的概念;如何将前面各章的方法应用到文本数据上,还介绍了一些文本特有的处理方法。

2019-01-25 立即下载
13.16MB
Python机器学习基础教程(完整电子版).pdf 清晰中文完整版

本书是机器学习入门书,以Python语言介绍。主要内容包括:机器学习的基本概念及其应用;实践中最常用的机器学习算法以及这些算法的优缺点;在机器学习中待处理数据的呈现方式的重要性,以及应重点关注数据的哪些方面;模型评估和调参的高级方法,重点讲解交叉验证和网格搜索;管道的概念;如何将前面各章的方法应用到文本数据上,还介绍了一些文本特有的处理方法。

2019-04-23 立即下载
14.16MB
python机器学习基础教程

Python机器学习基础教程-[德] 安德里亚斯·穆勒(Andreas C.Müller)[美]莎拉·吉多(Sarah Guido) 著,张亮(hysic) 译

2019-02-12 立即下载
13.29MB
Python机器学习基础教程(完整电子版).pdf

本书是机器学习入门书,以 Python 语言介绍。主要内容包括 :机器学习的基本概念及其应 用 ;实践中最常用的机器学习算法以及这些算法的优缺点 ;在机器学习中待处理数据的呈现方 式的重要性,以及应重点关注数据的哪些方面 ;模型评估和调参的高级方法,重点讲解交叉验 证和网格搜索 ;管道的概念 ;如何将前面各章的方法应用到文本数据上,还介绍了一些文本特 有的处理方法。

2018-06-21 立即下载
img
纪文啊!
  • GitHub

    绑定GitHub第三方账户获取
  • 签到新秀

    累计签到获取,不积跬步,无以至千里,继续坚持!

关注 私信 TA的资源

上传资源赚积分,得勋章
相关内容推荐