使用 Python 构建机器学习系统，134页pdf

本书旨在探索机器学习技术、不同的预测模型及其应用

本书适合想要详细了解机器学习知识的初学者。机器学习用户也可以使用本书作为机器学习基础知识的快速参考。读者在阅读本书之前应具备 Python 和 Scikit-Learn 的基本知识。

本书涵盖了机器学习的基本概念、各种学习范式、这些范式中使用的不同架构和算法。

你将通过探索不同的预测建模技术（例如回归、聚类和分类）来了解 ML 模型的强大功能。你还将获得有关过拟合、欠拟合、随机森林、决策树、PCA 和支持向量机等方法和技术的实践经验。在本书中，将详细讨论 Python 实现的完整工作的真实示例。

在本书的最后，你将了解无监督学习，包括层次聚类、K-means 聚类、降维、异常检测、主成分分析。

主要特征

• 广泛涵盖有关 ML 模型的实现和工作的真实示例。
• 包括领先的数据科学家在机器学习中使用的不同策略。
• 专注于机器学习概念及其向算法的演变。

你会学到什么

• 学习执行数据工程和分析。
• 从头开始构建原型 ML 模型和生产 ML 模型。
• 熟练使用 scikit-learn 和 Python。
• 获得随机森林、逻辑回归、SVM、PCA 和神经网络的实践经验。

随着来自不同来源的数据的增加，对数据驱动的领域，如分析和机器学习的需求越来越大。本书旨在涵盖机器学习的基本概念、各种学习范式以及这些范式中使用的不同架构和算法。

目录

本书是为那些想详细了解机器学习的初学者准备的。本书也可用于机器学习用户，作为机器学习基础知识的快速参考。

以下是本书涉及的章节。

• 第一章：机器学习简介。这一章涵盖了机器学习的基本概念，执行ML的领域，输入-输出函数。
• 第二章：线性回归
• 第三章：使用Logistic回归进行分类
• 第四章：过拟合和正则化
• 第五章：学习的可行性
• 第六章：支持向量机
• 第七章：神经网络
• 第八章：决策树
• 第九章：无监督学习
• 第十章：泛化理论
• 第十一章：ML中的偏见和公平

便捷阅读

134页 《使用 Python 构建机器学习系统：训练预测模型的实践和用实际用例分析机器学习结果》高清epub下载：
扫码添加云朵君微信，务必备注【BMLS】

🏴‍☠️宝藏级🏴‍☠️ 原创公众号『 数据STUDIO 』内容超级硬核。公众号以Python为核心语言，垂直于数据科学领域，包括 可戳 👉 Python ｜ MySQL ｜ 数据分析 ｜ 数据可视化 ｜ 机器学习与数据挖掘 ｜ 爬虫 等，从入门到进阶！

长按👇关注- 数据STUDIO -设为星标，干货速递