机器学习入门必备

图书标准信息

• 作者 [美]Oliver Theobald(奥利弗· 西奥博尔德))著刘翔宇
• 出版社 机械工业出版社
• 出版时间 2020-11
• 版次 1
• ISBN 9787111662242
• 定价 39.00元
• 装帧 其他
• 开本 32开
• 纸张 胶版纸
• 页数 124页
• 字数 125千字

【内容简介】

本书是一本机器学习入门的必备图书，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

第1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

第10章决策树

101构建决策树

102随机森林

103Boosting

第11章集成建模

第12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

第13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

第14章模型优化

141模型优化代码

142网格搜索模型代码

第15章模型测试

第16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

第17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