本書是一本機器學習入門的必備圖書，書中沒有讓人頭暈眼花的公式推導，而是通過一些易于理解的類比、案例以及圖片，以通俗易懂的方式講解了機器學習中的一些名詞和常見算法，使初學者能夠很容易地掌握機器學習的相關概念工具、數(shù)據(jù)處理、回歸與分析、建模與優(yōu)化等內(nèi)容。書中還介紹了使用代碼構(gòu)建一個機器學習模型，將讀者帶入實踐環(huán)節(jié)。
本書非常適合沒有任何基礎的人工智能愛好者學習使用；對于對機器學習領域還不是很了解的讀者來說，本書也是一本非常好的入門書籍。
譯者序
前言
第1章什么是機器學習
第2章機器學習種類
21監(jiān)督學習
22非監(jiān)督學習
23強化學習
第3章機器學習工具箱
31數(shù)據(jù)
32基礎設施
33算法
34可視化
35高級工具箱
36大數(shù)據(jù)
37高級基礎設施
38高級算法
第4章數(shù)據(jù)清洗
41特征選擇
42行壓縮
43Onehot編碼
44分箱
45缺失值
第5章設置數(shù)據(jù)
51交叉驗證
52需要多少數(shù)據(jù)
第6章回歸分析
61計算示例
62邏輯回歸
63支持向量機
第7章聚類
71k近鄰
72k均值聚類
73設置k值
第8章偏差和方差
第9章人工神經(jīng)網(wǎng)絡
91概述
92構(gòu)建神經(jīng)網(wǎng)絡
第10章決策樹
101構(gòu)建決策樹
102隨機森林
103Boosting
第11章集成建模
第12章開發(fā)環(huán)境
121導庫
122導入數(shù)據(jù)集并預覽
123查找行
124打印列名
第13章使用Python構(gòu)建模型
131導庫
132導入數(shù)據(jù)集
133清洗數(shù)據(jù)集
134清洗過程
135分割數(shù)據(jù)
136選擇算法并配置超參數(shù)
137評估結(jié)果
第14章模型優(yōu)化
141模型優(yōu)化代碼
142網(wǎng)格搜索模型代碼
第15章模型測試
第16章其他資源
161機器學習
162人工智能的未來
163編程
164推薦系統(tǒng)
165深度學習
166未來生涯
第17章數(shù)據(jù)集下載
171世界幸福報告數(shù)據(jù)集
172酒店評論數(shù)據(jù)集
173精釀啤酒數(shù)據(jù)集
參考文獻
書單推薦
