Machine Learning Bundle 2nd Edition

捆綁包詳細資訊


Hands-On Ensemble Learning with Python
結合流行的機器學習技術以使用Python創建集成模型
主要特點
- 使用諸如隨機森林和AdaBoost之類的算法來實現集成模型
- 應用增強,裝袋和堆疊合奏方法以提高模型的預測精度
- 探索以scikit-learn和Keras編碼的實際數據集和實際示例
圖書說明
整合是一種將兩個或多個相似或不相似的機器學習算法結合在一起以創建可提供卓越預測能力的模型的技術。本書將演示如何使用各種弱算法來構建強大的預測模型。
使用它的動手方法,您不僅可以掌握基本理論,還可以應用各種集成學習技術。使用示例和真實數據集,您將能夠產生更好的機器學習模型,以解決監督學習問題,例如分類和回歸。此外,您將繼續利用集成學習技術(例如集群)來生成無監督的機器學習模型。隨著您的前進,本章將介紹在現實世界中廣泛用於預測和分類的各種機器學習算法。您甚至可以使用scikit-learn和Keras之類的Python庫來實現不同的集成模型。
到本書結尾,您將精通集成學習,並擁有所需的技能,以了解針對哪個問題需要使用哪種集成方法,並成功地在實際場景中實現它們。
您將學到什麼
- 實施集成方法以生成高精度模型
- 克服偏見和差異等挑戰
- 探索機器學習算法以評估模型性能
- 了解如何構建,評估和應用集成模型
- 使用Twitter的流API實時分析推文
- 使用Keras為MovieLens數據集構建神經網絡的集成
這本書是給誰的
本書適用於希望使用集成技術生成高級模型的數據分析師,數據科學家,機器學習工程師和其他專業人員。要充分利用本書,需要了解Python代碼和統計方面的基本知識。
電子書詳情
關於這個捆綁
使用Machine Learning Bundle 2nd Edition解決複雜的挑戰,創建有效的數據項目等等。
擁有15本書,您將通過一系列動手操作和簡單易懂的指南來輕鬆掌握TensorFlow,Python,R和Go等應用程序,這些指南非常適合初學者和中級水平的讀者。
通過使用Python進行動手集成學習,探索以scikit-learn和Keras編碼的實際數據集和實際示例;通過Going Machine Learning with Go快速入門指南,全面了解部署策略,並將您的ML應用程序從原型製作為生產就緒;並了解機器學習如何通過金融機器學習來檢測欺詐,預測財務趨勢,分析客戶情緒等等。
使用AWS上的Mastering Machine Learning開發,訓練,調整和部署神經網絡模型,以加快雲中的模型性能;學習基本概念和計算,以了解人工神經網絡如何與Microsoft Excel 2019的動手機器學習一起使用;借助Go With Machine Learning-Second Edition的幫助,克服了在部署和擴展機器學習工作流程時面臨的常見挑戰。
通過帶有Scala的機器學習快速入門指南,釋放Spark ML的功能以及流行的機器學習算法來解決Scala中的複雜任務;了解使用Markov決策過程(MDP)和Python動手學習的Q學習算法來訓練神經網絡;並利用R的強大功能,通過帶有R-第三版的機器學習來構建靈活,有效和透明的機器學習模型。
使用Python Machine Learning Cookbook-Second Edition查找易於遵循的代碼解決方案,以解決常見和不常見的挑戰;了解什麼IBM Cloud平台可以幫助您通過IBM Watson的動手機器學習在應用程序內實現認知見解;借助帶有R快速入門指南的機器學習,使用R生態系統中的現代庫來創建端到端機器學習管道。
使用Python庫(例如TensorFlow和Keras)通過Python Machine Learning By Example-Second Edition為您的項目創建智能的認知動作;利用實際示例向您展示如何通過Python的動手無監督學習來實現不同的機器學習和深度學習技術;並在實際項目中實施高級概念和流行的機器學習算法。
此捆綁包中包含的電子書有EPUB,MOBI和PDF格式。