圖靈程序設計叢書

Python機器學習經典實例

Prateek Joshi (作者) 陶俊杰 , 陳小莉 (譯者)
監督學習技術、預測建模、無監督學習算法等前沿話題的實例代碼展示
來自Kaggle的經典數據集和機器學習案例
用流行的Python庫scikit-learn解決機器學習問題
在如今這個處處以數據驅動的世界中,機器學習正變得越來越大眾化。它已經被廣泛地應用于不同領域,如搜索引擎、機器人、無人駕駛汽車等。本書首先通過實用的案例介紹機器學習的基礎知識,然后介紹一些稍微復雜的機器學習算法,例如支持向量機、極端隨機森林、隱馬爾可夫模型、條件隨機場、深度神經網絡,等等。

安徽快三输死了多少人 www.cwilrw.com.cn 收藏本書能做什么?

有情況的時候會收到通知,比如電子書發布等。

PS:也會在圖靈社區電報頻道更新

電子書
¥29.99
格式
mobi   pdf

紙質書
¥46.61 ¥59.00

出版信息

  • 書  名Python機器學習經典實例
  • 系列書名圖靈程序設計叢書
  • 執行編輯關于本書的內容有任何問題,請聯系 傅志紅
  • 出版日期2017-08-17
  • 書  號978-7-115-46527-6
  • 定  價59.00 元
  • 頁  數244
  • 印刷方式單色
  • 開  本16開
  • 出版狀態上市銷售
  • 原書名Python Machine Learning Cookbook
  • 原書號9781786464477

所屬分類

同系列書

  • HTTP權威指南

    David Gourley   Brian Totty   Marjorie Sayer   Sailu Reddy   Anshu Aggarwal   陳涓   趙振平   譯

    本書是HTTP及其相關核心Web技術方面的權威著作,主要介紹了Web應用程序是如何工作的,核心的因特網協議如何...

  • JavaScript高級程序設計(第3版)

    Nicholas C.Zakas   李松峰   曹力   譯

    本書是JavaScript超級暢銷書的新版。ECMAScript 5 和HTML5在標準之爭中雙雙勝出,使大量...

  • 計算機科學的基礎

    Al Aho   Jeff Ullman   傅爾也   譯

    本書全面而詳細地闡述了計算機科學的理論基礎,從抽象概念的機械化到各種數據模型的建立,用算法、數據抽象等核心思想...

  • Java技術手冊(第6版)

    Benjamin J Evans   David Flanagan   安道   譯

    通過學習本書,你將能夠: 掌握最新的語言細節,包括Java 8的變化 使用基本的Java句法學習面向對...

  • 機器學習實戰

    Peter Harrington   李銳   李鵬   曲亞東   王斌   譯

    機器學習是人工智能研究領域中一個極其重要的研究方向,在現今的大數據時代背景下,捕獲數據并從中萃取有價值的信息或...

本書特色

用最火的Python語言、通過各種各樣的機器學習算法來解決實際問題!
書中介紹的主要問題如下。
- 探索分類分析算法并將其應用于收入等級評估問題
- 使用預測建模并將其應用到實際問題中
- 了解如何使用無監督學習來執行市場細分
- 探索數據可視化技術以多種方式與數據進行交互
- 了解如何構建推薦引擎
- 理解如何與文本數據交互并構建模型來分析它
- 使用隱馬爾科夫模型來研究語音數據并識別語音

目錄

版權聲明 閱讀
譯者序 閱讀
前言 閱讀
第 1 章 監督學習 閱讀
第 2 章 創建分類器
第 3 章 預測建模
第 4 章 無監督學習——聚類
第 5 章 構建推薦引擎
第 6 章 分析文本數據
第 7 章 語音識別
第 8 章 解剖時間序列和時序數據
第 9 章 圖像內容分析
第 10 章 人臉識別
第 11 章 深度神經網絡
第 12 章 可視化數據

作者介紹

Prateek Joshi 人工智能專家,重點關注基于內容的分析和深度學習,曾在英偉達、微軟研究院、高通公司以及硅谷的幾家早期創業公司任職。個人博客地址: www.prateekj.com

大家也喜歡

  • Python數據科學與機器學習:從入門到實踐

    【美】弗蘭克?凱恩(Frank Kane)   陳光欣   譯

    本書介紹了使用Python進行數據分析和高效的機器學習,首先從一節Python速成課開始,然后回顧統計學和概率...

  • 深入理解Python特性

    [德]達恩·巴德爾(Dan Bader)   孫波翔   譯

    本書致力于幫助Python開發人員挖掘這門語言及相關程序庫的優秀特性,避免重復勞動,同時寫出簡潔、流暢、易讀、...

  • 精通特征工程

    愛麗絲·鄭   阿曼達·卡薩麗   陳光欣   譯

    本書介紹大量特征工程技術,闡明特征工程的基本原則。主要內容包括:機器學習流程中 的基本概念,數值型數據的基礎...

  • Django企業開發實戰:高效Python Web框架指南

    胡陽  

    本書以從零開發一個博客系統為例,介紹Django在日常工作中的應用。 本書共分為四部分。第一部分介紹編碼之前...

  • Python科學計算最佳實踐:SciPy指南

    [澳]胡安?努內茲-伊格萊西亞斯   [美]斯特凡?范德瓦爾特   [澳]哈麗雅特?達士諾   陳光欣   譯

    本書旨在介紹開源的Python算法庫和數學工具包SciPy。近年來,基于NumPy和SciPy的完整生態系統迅...

相關文章

  • 這本書上的數據怎么獲取啊,感覺packt系列的書都沒有給數據,巧婦難為無米之炊,就不能給我們省點心嗎,還要到其它地方弄數據
    只愛蘿莉無瑕  發表于 2018-12-01 08:03:49
  • 請問這本書何時有賣?
    大大大大大大螞蟻  發表于 2017-07-24 18:50:17
    • 下個月應該就有啦

      徐曉娟  發表于 2017-07-26 16:23:48
  • 什么時候有實體書
    HAKSAL  發表于 2017-12-13 12:02:53
  • 5.10 生成電影推薦那章節
    for item in [x for x in dataset[u] if x not in dataset[user] or dataset[user][x]
    == 0]:
    total_scores.update({item: dataset[u][item] * similarity_score})
    similarity_sums.update({item: similarity_score})
    這個處理的意義何在呢?只保留最后一位用戶的評分何必遍歷所有數組~
    大羊羊  發表于 2017-12-15 11:18:28
  • 第三頁歸一化那里,
    data_normalized = preprocessing.normalize(data, norm='l1')

    norm 的值第一個是 L 小寫,不仔細看還以為是 1
    ltaoo  發表于 2017-12-23 22:45:21
  • 準備學習
    黑小會  發表于 2018-03-15 21:39:50
  • 第10章 盲源分離的部分找不到‘mixture_of_signals.txt’文件
    spcebn  發表于 2018-04-26 10:31:07
  • 哪里能下載示例文件代碼及示例數據?
    kongnj  發表于 2018-06-08 17:16:11
  • 實體書187頁執行報錯,求幫助:
    D:\python\opencv_study>python opencv9.py --feature-map-file feature_map.pkl --model-file erf.pkl
    d:\python\study\venv\lib\site-packages\sklearn\ensemble\weight_boosting.py:29: DeprecationWarning: numpy.core.umath_tests is an internal NumPy module and should not be imported. It will be removed in a future NumPy release.
    from numpy.core.umath_tests import inner1d
    slime  發表于 2018-08-02 09:44:00
    • 自己解決了,pip無法管理第三方版本庫,需要改用anaconda

      slime  發表于 2018-08-02 16:56:19
  • 第9章完成了所有的練習,但最后,我訓練了一個摩托車的分類識別,然而任何圖片都被認為是摩托車,并沒有能夠完成分類.
    slime  發表于 2018-08-02 16:58:23
  • RandomForestRegressor(n_estimators=1000, max_depth=10, min_samples_split=1) 應該改為min_samples_split=1.0
    小路標  發表于 2018-11-19 12:00:26
    • 您運行的scikit-learn是什么版本呢?我在python3.7 的 scikit-learn 0.20.0測試了,沒有問題

      from sklearn.ensemble import RandomForestRegressor
      RandomForestRegressor(n_estimators=1000, max_depth=10, min_samples_split=1)

      RandomForestRegressor(bootstrap=True, criterion='mse', max_depth=10,
      max_features='auto', max_leaf_nodes=None,
      min_impurity_decrease=0.0, min_impurity_split=None,
      min_samples_leaf=1, min_samples_split=1,
      min_weight_fraction_leaf=0.0, n_estimators=1000, n_jobs=None,
      oob_score=False, random_state=None, verbose=0, warm_start=False)

      官方文檔如下:https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestRegressor.html#sklearn.ensemble.RandomForestRegressor

      ```
      min_samples_split : int, float, optional (default=2)
      The minimum number of samples required to split an internal node:

      If int, then consider min_samples_split as the minimum number.
      If float, then min_samples_split is a fraction and ceil(min_samples_split * n_samples) are the minimum number of samples for each split.
      ```

      安徽快三输死了多少人  發表于 2018-11-23 08:41:29