本书主要内容
- 使用 scikit-learn 在几分钟内构建预测模型
- 理解监督学习的两种类型分类和回归之间的区别和关系。
- 基于距离度量度量的聚类（一种无监督学习）
- 使用最近邻查找具有相似特征的点。
- 使用自动化和交叉验证来寻找最佳模型，并专注于数据产品
- 在众多算法中选择最好的算法，或者将它们组合在一起使用。
- 使用 sklearn 的简单语法创建自己的估计器
- 探索 scikit-learn 中可用的前馈神经网络
本书第二版首先向你介绍评估数据统计属性的方法，并为机器学习建模生成合成数据。随着章节的深入，你将遇到一些CookBook，而这些CookBook将教你实施数据预处理、线性回归、逻辑回归、K-NN、朴素贝叶斯、分类、决策树、集成等技术。此外，你将学习使用多类分类、交叉验证、模型评估来优化你的模型，并深入了解使用 scikit-learn 实施深度学习。除了涵盖模型部分的增强功能、API 和分类器、回归器和估计器等新功能外，本书还包含评估和微调模型性能的秘诀。
原创文章（本站视频密码：66668888），作者：xujunzju，如若转载，请注明出处：https://zyicu.cn/?p=15072
微信扫一扫 
支付宝扫一扫 