編輯推薦
本書將機器學習背後的基本理論與應用實踐聯繫起來,通過這種方式讓讀者聚焦於如何正確地提出問題、解決問題。書中講解了如何使用Python素以及強大的機器學習庫,同時還展示了如何正確使用一繫列統計模型。
在本書第1版的基礎上,作者對第2版進行了大量更新和擴展,納入*近的開源技術,包括scikit-learn、Keras和TensorFlow,提供了使用Python構建高效的機器學習與深度學習應用的必要知識與技術。
通過閱讀本書,你將學到:
· 探索並理解數據科學、機器學習與深度學習的主要框架
· 通過機器學習模型與神經網絡對你的數據提出新的疑問
· 在機器學習中使用*近Python開源庫的強大功能
· 掌握如何使用TensorFlow庫來實現深度神經網絡
· 在可訪問的Web應用中嵌入你的機器學習模型
· 使用回歸分析預測連續目標的結果
· 使用聚類發現數據中的隱藏模式與結構
· 使用深度學習技術分析圖片
· 使用情感分析深入研究文本與社交媒體數據
內容簡介
機器學習與預測分析正在改變企業和其他組織的運作方式,本書將帶領讀者進入預測分析的世界。全書共16章,除了簡要介紹機器學習及Python在機器學習中的應用,還繫統講述了數據分類、數據預處理、模型優化、集成學習、回歸、聚類、神經網絡、深度學習等內容。本書將機器學習背後的基本理論與應用實踐聯繫起來,通過這種方式讓讀者聚焦於如何正確地提出問題、解決問題。本書講解了如何使用Python素以及強大的機器學習庫,同時還展示了如何正確使用一繫列統計模型。本書可作為學習數據科學的初學者及想進一步拓展數據科學領域認識的讀者的參考書。同樣,本書也適合計算機等相關專業的本科生、研究生閱讀。