Mastering .NET Machine Learning

This book is targeted at .Net developers who want to build complex machine learning systems. Some basic understanding of data science is required.

这是一本面向.NET开发者的机器学习入门书籍。本书从机器学习的定义出发，详细解释了机器学习的基本概念和原理，如监督学习、无监督学习、半监督学习等，以及如何使用.NET框架和第三方库进行机器学习开发。 本书详细讲解了数据清洗的重要性，并介绍了处理缺失数据、处理异常值、数据标准化等数据清洗方法。同时，本书还深入探讨了数据科学家与业务分析师的区别，并详细介绍了如何防止过拟合和采用交叉验证技术来提高模型的泛化能力。 在机器学习模型更新方面，本书介绍了多元线性回归、逻辑回归、数据规范化以及增量学习等方法。此外，本书还详细介绍了如何使用Math.NET库、Accord.NET库和Numl库等第三方机器学习库，以及如何使用这些库来实现各种机器学习模型。 本书还详细介绍了k-NN的基本概念和原理，以及如何使用这些算法来解决实际问题。同时，本书还介绍了传感器数据收集与传输，以及如何使用物联网(IoT)和机器学习算法来优化自行车的性能。