Test-Driven Machine Learning

This book is intended for data technologists (scientists, analysts, or developers) with previous machine learning experience who are also comfortable reading code in Python. You may be starting, or have already started, a machine learning project at work and are looking for a way to deliver results quickly to enable rapid iteration and improvement. Those looking for examples of how to isolate issues in models and improve them will find ideas in this book to move forward.

这是一本计算机编程设计领域的著作，旨在帮助数据技术专家，尤其是那些已经具备一定机器学习经验的人，如何通过测试驱动开发(TDD) 的方式，快速迭代并改进他们的机器学习项目。这本书通过结合TDD和机器学习，提供了一种新的视角，帮助读者理解和应用TDD的原则和方法，以提高机器学习项目的质量和效率。 这本书详细介绍了如何使用TDD来构建和测试机器学习模型，包括感知器、多臂老虎机、回归、逻辑回归和朴素贝叶斯等算法。书中通过具体的例子和实践操作，展示了如何编写测试用例，如何构建模型，以及如何验证模型的质量。 书中还深入探讨了机器学习模型的质量验证，包括ROC曲线和AUC评分的基本概念，以及如何使用蒙特卡洛方法进行测试。此外，书中还介绍了如何生成数据，如何创建测试框架，以及如何优化模型。