本书是Sckit-learn系列的第三本,也是最后一本。本书结合生动翔实的案例通俗易懂地讲解了Sklearn(Scikit-learn)机器学习框架的各种高级知识,从集成学习、管道、交叉验证,到异常检测和信号分解,系统地讲解了Sklearn的各种高级应用技术。本书结构合理,主干脉络清晰,讲解透彻。通过本书的学习,可以使读者快速掌握和充分发挥Sklearn框架的高级知识,以坚实的知识迈进人工智能殿堂的大门。关于Sklearn的基础知识,读者可阅读《人工智能开发丛书--Scikit-learn机器学习详解》(上、下册),或者其他相关资料。
本书是作者长期应用Python进行机器学习开发实践的经验结晶,主要内容包括Python数据读取的技巧,数据探索性分析,数据预处理,特征选择,特征选择的常用技巧,算法模型,sklearn类库,Python中数据可视化的常用方法等。本书具有针对性、系统性、实操性强,原创度高的特点,读者对代码进行简单修改,就可以直接拿来使用。 本书适合于具有一定Python基础,且有志于从事机器学习、人工智能开发的读者使用。
本书主要内容包括普通最小二乘法回归、岭回归、Lasso回归、弹性网络回归、正交匹配追踪回归、贝叶斯回归、被动攻击回归、支持向量机回归、决策树、神经网络模型、保序回归、岭分类等30多种算法模型。全书结合具体实例和图表详细讲解,语言通俗,易于学习,适合机器学习和数据挖掘专业人员和人工智能爱好者阅读,也可作为高等院校人工智能专业教材...
本书主要内容包括机器学习介绍,NumPy、Pandas、SciPy库、Matplotlib(可视化)四个基础模块,Scikit-learn算法、模型、拟合、过拟合、欠拟合、模型性能度量指标、数据标准化、非线性转换、离散化,以及特征抽取和降维的各种方法,包括特征哈希、文本特征抽取、特征聚合等。全书通过实用范例和图解形式讲解,选材典型,案例丰富,适合从事大数据、数据挖掘、机器学习...
本书结合实际例子详细介绍了数据挖掘和机器学习领域关联规则模型、朴素贝叶斯模型、贝叶斯网络模型、基线模型、聚类模型、通用回归模型、回归模型、高斯过程模型以及K最近邻模型九种模型的表达方式及构建知识。读者最好同时结合《PMML建模标准语言基础》一书进行学习,以便融会贯通,灵活运用,更好地把PMML语言应用到自己的项目实践中。 本书的读者对象为从事数据挖掘、机器学习、...
本书以浅显易懂的语言对Python进行了全面系统的介绍,采用范例加图解的形式讲解,读者可轻松阅读。全书主要内容包括Python语言的基础语法、数据类型、运算符、函数、类、对象以及常用的标准功能模块,最后以实例的形式介绍了开发机器学习和人工智能应用所需的知识及相应的功能模块。 本书适合有志于从事机器学习、人工智能技术开发的人员或爱好者,也可作为相关专业的教材。
亲爱的读者,您好:
感谢您使用这些书籍。我用心地、试图用最通俗易懂的方式编写每一本书。
希望这些书籍能为您的工作带来助力。
潘风文