思维导图备注

Python机器学习基础教程 - [德] Andreas C. Müller [美] Sarah Guido

首页收藏书籍阅读记录

我的书签
添加书签移除书签

2.1 分类与回归

浏览 1 扫码

小字体
中字体
大字体

2022-02-19 06:09:53

请登录再阅读

版权声明
版权声明
O'Reilly Media, Inc. 介绍
O'Reilly Media, Inc. 介绍
业界评论
前言
前言
目标读者
写作本书的原因
本书概览
在线资源
排版约定
使用代码示例
Safari® Books Online
联系我们
致谢
电子书
第 1 章引言
第 1 章引言
1.1 为何选择机器学习
1.2 为何选择Python
1.3 scikit-learn
1.4 必要的库和工具
1.5 Python 2与Python 3的对比
1.6 本书用到的版本
1.7 第一个应用：鸢尾花分类
1.8 小结与展望
第 2 章监督学习
第 2 章监督学习
2.1 分类与回归
2.2 泛化、过拟合与欠拟合
2.3 监督学习算法
2.3.7 核支持向量机
2.4 分类器的不确定度估计
2.5 小结与展望
第 3 章无监督学习与预处理
第 3 章无监督学习与预处理
3.1 无监督学习的类型
3.2 无监督学习的挑战
3.3 预处理与缩放
3.4 降维、特征提取与流形学习
3.5 聚类
3.6 小结与展望
第 4 章数据表示与特征工程
第 4 章数据表示与特征工程
4.1 分类变量
4.2 分箱、离散化、线性模型与树
4.3 交互特征与多项式特征
4.4 单变量非线性变换
4.5 自动化特征选择
4.6 利用专家知识
4.7 小结与展望
第 5 章模型评估与改进
第 5 章模型评估与改进
5.1 交叉验证
5.2 网格搜索
5.3 评估指标与评分
5.4 小结与展望
第 6 章算法链与管道
第 6 章算法链与管道
6.1 用预处理进行参数选择
6.2 构建管道
6.3 在网格搜索中使用管道
6.4 通用的管道接口
6.5 网格搜索预处理步骤与模型参数
6.6 网格搜索选择使用哪个模型
6.7 小结与展望
第 7 章处理文本数据
第 7 章处理文本数据
7.1 用字符串表示的数据类型
7.2 示例应用：电影评论的情感分析
7.3 将文本数据表示为词袋
7.4 停用词
7.5 用tf-idf缩放数据
7.6 研究模型系数
7.7 多个单词的词袋（n元分词）
7.8 高级分词、词干提取与词形还原
7.9 主题建模与文档聚类
7.10 小结与展望
第 8 章全书总结
第 8 章全书总结
8.1 处理机器学习问题
8.2 从原型到生产
8.3 测试生产系统
8.4 构建你自己的估计器
8.5 下一步怎么走
8.6 总结
关于作者
关于作者
关于封面
关于封面

暂无相关搜索结果！

二维码

手机扫一扫，轻松掌上学

《Python机器学习基础教程 - [德] Andreas C. Müller [美] Sarah Guido》电子书下载

请下载您需要的格式的电子书，随时随地，享受学习的乐趣！

EPUB 电子书

书签列表

阅读记录

阅读进度: 0.00% ( 0/0 ) 重置阅读进度