内容简介
本书自第1版出版以来，备受广大读者欢迎。第3版结合TensorFlow 2和scikit-learn的最新版本进行了更新，其范围进行了扩展，以涵盖强化学习和生成对抗网络（GAN）这两种最先进的机器学习技术。与同类书相比，本书除了介绍如何用Python和基于Python的机器学习软件库进行实践外，还讨论了机器学习概念的必要细节，同时对机器学习算法的工作原理、使用方法以及如何避免掉入常见的陷阱提供了直观且翔实的解释，是Python机器学习入门必读之作。书中涵盖了众多高效Python库，包括scikit-learn、Keras和TensorFlow等，系统性地梳理和分析了各种经典算法，并通过Python语言以具体代码示例的方式深入浅出地介绍了各种算法的应用，还给出了从情感分析到神经网络的一些实践技巧，可帮助读者快速解决自己和团队面临的一些重要问题。本书适用于机器学习的初学者和专业技术人员。
AI简介
这是一本详细讲解机器学习理论与实践的著作。书中涵盖了机器学习的基本概念，包括监督学习、无监督学习和强化学习，以及Python在数据科学中的地位，包括Python的开源社区、软件库、性能和安装使用方式。
书中详细介绍了数据预处理的重要性，包括处理缺失值、处理类别数据、划分训练数据集和测试数据集、保持相同的特征缩放、选择有意义的特征和用随机森林评估特征的重要性。同时，书中也深入讲解了感知器的实现与训练，包括初始化权重、调用fit方法遍历训练数据集、更新权重以及预测新数据的标签。
书中还介绍了自适应线性神经元的优化基础，包括优化算法、代价函数、梯度下降算法以及逻辑回归分类器。同时，书中也深入讲解了性能评估指标，包括分类准确率、精度、召回率和F1分数，以及k折交叉验证评估模型性能和学习和验证曲线调试算法。
此外，书中也详细介绍了多层神经网络的概念性理解，包括神经网络的基本组成、工作原理和训练方法。同时，书中也深入讲解了TensorFlow使用方法，包括数据集API、Keras API、激活函数以及估计器的使用。
书中还介绍了卷积神经网络的基本模块，包括卷积层、子采样层和全连接层，以及循
推荐影视
阅读/下载地址