Название: Машинное обучение: карманный справочник. Краткое руководство по методам структурированного машинного обучения на Python
Автор: Мэтт Харрисон
Издательство: Диалектика
Год: 2020
Страниц: 322
Язык: русский
Формат: pdf
Размер: 18,6 MB

В книгу "Машинное обучение: карманный справочник" включены подробные примеры и комментарии, которые помогут вам оперативно ориентироваться в основах структурированного машинного обучения (МО). Автор, Мэтт Харрисон, предлагает ценный справочник, который вы можете использовать как дополнительное пособие при обучении МО и в качестве удобного ресурса, когда погружаетесь в ваш следующий проект машинного обучения. Приведенные фрагменты кода имеют такой размер, чтобы их можно было использовать и адаптировать в ваших собственных проектах МО.

Книга, идеально подходящая для программистов, аналитиков данных и инженеров искусственного интеллекта, содержит обзор процесса машинного обучения и знакомит вас с классификацией структурированных данных. В книге рассматриваются различные библиотеки и модели, их компромиссы, настройка и интерпретация. Кроме всего прочего вы изучите методы кластеризации, регрессии и уменьшения размерности.

Основные темы книги:

Классификация с использованием набора данных Titanic
Как очистить данные и справиться с их недостатком
Разведочный анализ данных
Общие этапы предварительной обработки с использованием выборки данных
Выбор признаков, полезных для модели
Выбор модели
Оценка метрики и классификации
Примеры регрессии с использованием нескольких методов машинного обучения
Метрики для оценки регрессии
Кластеризация
Уменьшение размерности
Конвейеры Scikit-learn

Дnя коrо написана эта книrа:
Если вы только изучаете машинное обучение или работали с ним не один год, эта книга станет для вас ценным справоч­ным материалом. Она предполагает некоторое знание языка Python и совсем не углубляется в синтаксис. Скорее, она де­монстрирует, как использовать различные библиотеки для ре­шения реальных проблем. Она не заменит углубленный курс, но поможет вам ориен­тироваться в том, что может охватывать прикладной курс ма­шинного обучения.