电子书：《深入浅出python机器学习》_段小手_2018-07-01《深入浅出python机器学习》_段小手_20180701
111
内容简介：
深入浅出 python机器学习4 scikit-leart非常流行的 python机器学习库第3章k最近邻算法——近朱者赤.近墨者黑k最近邻算法的原理/0243.2k最近邻算法的用法/0253.2.1k最近邻算法在分类任务中的应用/0252.2k最近邻算法处理多元分类任务/029.2.3k最近邻算法用于回归分析/0313.3k最近邻算法项目实战—酒的分类/0343.3.1对数据集进行分析/0343.3.2生成训练数据集和测试数据集0363.3.3使用k最近邻算法进行建模10383.34使用模型对新样本的分类进行预测/039第4章广义线性模型——“耿直”的算法模型4.1线性模型的基本概念/0444.1.1线性模型的一般公式/0444.1.2线性模型的图形表示/0451.3线性模型的特点/04942最基本的线性模型—线性回归/05042.1线性回归的基本原42.2线性回归的性能表现05143使用l2正则化的线性模型—岭回归/0543.2岭回归的参数调节44使用l1正则化的线性模型——套索回归/05844.1套索回归的原理/05844.2套索回归的参数调节44.3套索回归与岭回归的对比/060ⅷ
4.5小结/062第5章朴素贝叶斯—打雷啦.收衣服啊5.1朴素贝叶斯基本概念/0642朴素贝叶斯的简单应用/064素贝叶斯算法的不同方法5.2.1贝努利朴素贝叶斯06852.2高斯朴素贝叶斯5.2.3多项式朴素贝叶斯/072素贝叶斯实战一一判断肿瘤是良性还是恶性/073.1对数据集进行分析/07653.2使用高斯朴素贝叶斯进行建模533高斯朴素贝叶斯的学习曲线f078第6章决策树与随机森林—一会玩读心术的算法1决策树/0826.1.1决策树基本原理/0826.1.2决策树的构建/0826.1.3决策树的优势和不足0862随机森林62.1随机森林的基本概念/089622随机森林的构建/06.2.3随机森林的优势和不足6.3随机森林实例——要不要和相亲对象进一步发展/0936.3.1数据集的准备09.2用 get dummies处理数据/094633用决策树建模并做出预测/09664小结/098ⅸ>
深入浅出 python机器学习第7章支持向量机svm—一专治线性不可分7.1支持向量机sm基本概念/107.1.2支持向量机svm的核函数/107.2svm的核函数与参数选择1042.1不同核函数的svm对比72.2支持向量机的 gamma参数调节/1067.23svm算法的优势与不足/107.3svm实例—波士顿房价回归分析/108初步了解数据集3.2使用svr进行建模11第8章神经网络——曾入“冷宫”.如今得宠8.1神经网络的前世今生/1168.1.1神经网络的起源/1168.1.2第一个感知器学习法则1.3神经网络之父一杰弗瑞·欣顿/118.2神经网络的原理及使用/1188.2.1神经网络的原理/11823神经网络的参数设置/1218.3神经网络实例—手写识别/127使用mnst数据集8.3.2训练mlp神经网络1293.3使用模型进行数字识别130
第9章数据预处理、降维、特征提取及聚类—一快刀斩乱麻9.1数据预处理1349.1.1使用 standard scaler进行数据预处理/1342使用 min maxscaler进行数据预处理/139.1.3使用 robustscaler进行数据预处理/139.14使用 normalize进行数据预处理/137通过数据预处理提高模型准确率/1389.2数据降维140.2.1pca主成分分析原理149.2.2对数据降维以便于进行可视化9.2.3原始特征与pca主成分之间的关系/14393特征提取/1449.3.1pca主成分分析法用于特征提取932非负矩阵分解用于特征提取/14894聚类算法/1499.4.1k均值聚类算法/15094.2凝聚聚类算法15小结1157第10章数据表达与特征工程—锦上再添花0.1数据表达/1610.1.1使用哑变量转化类型特征16010.1.2对数据进行装箱处理16女据“升维102.1向数据集添加交互式特征/1660.2.2向数据集添加多项式特征/17010.3自动特征选择/1730.3.1使用单一变量法进行特征选择
深入浅出 python机器学习特征选择/178104小结/182第11章模型评估与优化—一只有更好.没有最好11.1使用交叉验证进行模型评估/1841.1 scikit-leam中的交叉验证法/1841.1.2随机拆分和“挨个儿试试11.13为什么要使用交叉验证法112使用网格搜索优化模型参数112.1简单网格搜索1891.2.2与交叉验证结合的网格搜索/19113分类模型的可信度评估/1933.1分类模型中的预测准确率113.2分类模型中的决定系数/1911.4小结198第12章建立算法的管道模型——团结就是力量12.1管道模型的概念及用法/202管道模型的基本概念12.1.2使用管道模型进行网格搜索20612.2使用管道模型对股票涨幅进行回归分析/2092.1数据集准备/20912.22建立包含预处理和mlp模型的管道模型/213122.3向管道模型添加特征选择步骤12.3使用管道模型进行模型选择和参数调优/2161使用管道模型进行模型选择/216用管道模型寻找更优参12.4小结/220
