機(jī)器學(xué)習(xí)與預(yù)測(cè)分析正在改變企業(yè)和其他組織的運(yùn)作方式，Python機(jī)器學(xué)習(xí)(原書第2版)將帶領(lǐng)讀者進(jìn)入預(yù)測(cè)分析的世界。全書共16章，除了簡(jiǎn)要介紹機(jī)器學(xué)習(xí)及Python在機(jī)器學(xué)習(xí)中的應(yīng)用，還系統(tǒng)講述了數(shù)據(jù)分類、數(shù)據(jù)預(yù)處理、模型優(yōu)化、集成學(xué)習(xí)、回歸、聚類、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等內(nèi)容。

本書將機(jī)器學(xué)習(xí)背后的基本理論與應(yīng)用實(shí)踐聯(lián)系起來，通過這種方式讓讀者聚焦于如何正確地提出問題、解決問題。本書講解了如何使用Python的核心元素以及強(qiáng)大的機(jī)器學(xué)習(xí)庫(kù)，同時(shí)還展示了如何正確使用一系列統(tǒng)計(jì)模型。

本書可作為學(xué)習(xí)數(shù)據(jù)科學(xué)的初學(xué)者及想進(jìn)一步拓展數(shù)據(jù)科學(xué)領(lǐng)域認(rèn)識(shí)的讀者的參考書。同樣，本書也適合計(jì)算機(jī)等相關(guān)專業(yè)的本科生、研究生閱讀。

目錄

第1章　賦予計(jì)算機(jī)從數(shù)據(jù)中學(xué)習(xí)的能力
第2章　訓(xùn)練簡(jiǎn)單的機(jī)器學(xué)習(xí)分類算法
第3章　scikit-learn機(jī)器學(xué)習(xí)分類器一覽
第4章　構(gòu)建良好的訓(xùn)練集——預(yù)處理
第5章　通過降維壓縮數(shù)據(jù)
第6章　模型評(píng)估和超參數(shù)調(diào)優(yōu)的最佳實(shí)踐
第7章　綜合不同模型的組合學(xué)習(xí)
第8章　應(yīng)用機(jī)器學(xué)習(xí)于情感分析
第9章　將機(jī)器學(xué)習(xí)模型嵌入網(wǎng)絡(luò)應(yīng)用
第10章　用回歸分析預(yù)測(cè)連續(xù)目標(biāo)變量
第11章　用聚類分析處理無(wú)標(biāo)簽數(shù)據(jù)
第12章　從零開始實(shí)現(xiàn)多層人工神經(jīng)網(wǎng)絡(luò)
第13章　用TensorFlow并行訓(xùn)練神經(jīng)網(wǎng)絡(luò)
第14章　深入探討TensorFlow的工作原理
第15章　深度卷積神經(jīng)網(wǎng)絡(luò)圖像識(shí)別
第16章　用遞歸神經(jīng)網(wǎng)絡(luò)為序列數(shù)據(jù)建模