机器学习入门必备奥利弗·西奥博尔德机械工业 pdf下载

基本信息

书名:机器学习入门

定价：39.00元

作者:奥利弗·西奥博尔德

出版社：机械工业出版社

出版日期：2020-11-01

ISBN：9787111662242

字数：

页码：

版次：

装帧：其他

开本：32开

商品重量：

内容提要

本书是一本机器学习入门的图书，书中没有让人头晕眼花的公式推导，而是通过一些易于理解的类比、案例以及图片，以通俗易懂的方式讲解了机器学习中的一些名词和常见算法，使初学者能够很容易地掌握机器学习的相关概念工具、数据处理、回归与分析、建模与优化等内容。书中还介绍了使用代码构建一个机器学习模型，将读者带入实践环节。
  本书非常适合没有任何基础的人工智能爱好者学习使用；对于对机器学习领域还不是很了解的读者来说，本书也是一本非常好的入门书籍。

目录

译者序
前言
章什么是机器学习
第2章机器学习种类
21监督学习
22非监督学习
23强化学习
第3章机器学习工具箱
31数据
32基础设施
33算法
34可视化
35高级工具箱
36大数据
37高级基础设施
38高级算法
第4章数据清洗
41特征选择
42行压缩
43Onehot编码
44分箱
45缺失值
第5章设置数据
51交叉验证
52需要多少数据
第6章回归分析
61计算示例
62逻辑回归
63支持向量机
第7章聚类
71k近邻
72k均值聚类
73设置k值
第8章偏差和方差
第9章人工神经网络
91概述
92构建神经网络
0章决策树
101构建决策树
102森林
103Boosting
1章集成建模
2章开发环境
121导库
122导入数据集并预览
123查找行
124打印列名
3章使用Python构建模型
131导库
132导入数据集
133清洗数据集
134清洗过程
135分割数据
136选择算法并配置超参数
137评估结果
4章模型优化
141模型优化代码
142网格搜索模型代码
5章模型测试
6章其他资源
161机器学习
162人工智能的未来
163编程
164推荐系统
165深度学习
166未来生涯
7章数据集下载
171世界幸福报告数据集
172酒店评论数据集
173精酿啤酒数据集
参考文献