《機(jī)器學(xué)習(xí)系統(tǒng)設(shè)計(jì)：python語(yǔ)言實(shí)現(xiàn)》介紹了機(jī)器學(xué)習(xí)系統(tǒng)設(shè)計(jì)的整個(gè)過(guò)程，以及相關(guān)的Python庫(kù)，并在各個(gè)知識(shí)環(huán)節(jié)中都給出了Python示例，為設(shè)計(jì)高效機(jī)器學(xué)習(xí)系統(tǒng)提供詳實(shí)指南。

本書(shū)共9章，第1章介紹機(jī)器學(xué)習(xí)的設(shè)計(jì)原理和相關(guān)模型；第2章講解Python中眾多針對(duì)機(jī)器學(xué)習(xí)任務(wù)的程序包；第3章涵蓋大數(shù)據(jù)、數(shù)據(jù)屬性、數(shù)據(jù)源、數(shù)據(jù)處理和分析等主題，介紹基本的數(shù)據(jù)類型、結(jié)構(gòu)和屬性；第4章探索最常見(jiàn)的機(jī)器學(xué)習(xí)模型，即邏輯模型、樹(shù)狀模型和規(guī)則模型；第5章研究機(jī)器學(xué)習(xí)最常用的技術(shù)，創(chuàng)建線性回歸和Logistic回歸的假設(shè)語(yǔ)句；第6章介紹人工神經(jīng)網(wǎng)絡(luò)算法；第7章討論特征的不同類型，即定量特征、有序特征和分類特征，以及如何結(jié)構(gòu)化和變換特征；第8章介紹主要的集成方法及其在Scikit-learn中的實(shí)現(xiàn)；第9章介紹模型選擇和參數(shù)調(diào)優(yōu)技術(shù)，并將這些技術(shù)應(yīng)用于一些案例研究之中。

目錄

第1章　機(jī)器學(xué)習(xí)的思維1
第2章　工具和技術(shù)32
第3章　將數(shù)據(jù)變?yōu)樾畔?8
第4章　模型—從信息中學(xué)習(xí)81
第5章　線性模型100
第6章　神經(jīng)網(wǎng)絡(luò)119
第7章　特征—算法眼中的世界136
第8章　集成學(xué)習(xí)152
第9章　設(shè)計(jì)策略和案例研究169