内容简介
在学习和研究机器学习的时候，面临令人眼花缭乱的算法，机器学习新手往往会不知所措。本书从算法和Python语言实现的角度，帮助读者认识机器学习。本书专注于两类核心的“算法族”，即惩罚线性回归和集成方法，并通过代码实例来展示所讨论的算法的使用原则。全书共分为7章，详细讨论了预测模型的两类核心算法、预测模型的构建、惩罚线性回归和集成方法的具体应用和实现。本书主要针对想提高机器学习技能的Python开发人员，帮助他们解决某一特定的项目或是提升相关的技能。
AI简介
这是一本深入探讨机器学习预测分析核心算法的著作，以算法的使用原则为主线，详细解析了机器学习核心算法及预测模型，并强调了数据集理解的重要性。书中以惩罚线性回归和集成方法这两类核心的算法族为例，通过大量的代码实例展示了所讨论的算法的使用原则。
本书首先介绍了函数逼近问题，包括各种领域中的分类问题和回归问题，并强调了理解数据集的结构和属性对于预测模型的建立至关重要。接着，作者详细阐述了惩罚线性回归方法，解释了惩罚方法确定解的范围及类型，并介绍了如何通过变量的重要性信息来优化模型结构，提高模型性能。此外，本书还详细介绍了集成方法，包括二元决策树、自举集成、梯度提升法和随机森林等，并探讨了基学习器的选择。
书中还详细阐述了预测性能的评价指标，包括均方误差(MSE)、平均绝对误差(MAE)、误分类率、ROC曲线以及曲线下面积(AUC) 等，并对比了各种算法的优缺点。最后，作者介绍了Python工具包的使用，包括Pandas和Scikit-learn等，并展示了如何使用这些工具包来处理数据、构建模型和进行预测分析。
推荐影视
阅读/下载地址