کتاب Machine Learning Pocket Reference: Working with Structured Data in Python

وضعیت موجودی موجود

مقایسه شود

قیمت قبلی: 4,000,000 ریال

قیمت: 3,600,000 ریال

Product details

Publisher ‏ : ‎ O'Reilly Media; 1st edition (September 24, 2019)
Language ‏ : ‎ English
Paperback ‏ : ‎ 320 pages
ISBN-10 ‏ : ‎ 1492047546
ISBN-13 ‏ : ‎ 978-1492047544

Available at a lower price from other sellers that may not offer free Prime shipping.

With detailed notes, tables, and examples, this handy reference will help you navigate the basics of structured machine learning. Author Matt Harrison delivers a valuable guide that you can use for additional support during training and as a convenient resource when you dive into your next machine learning project.

Ideal for programmers, data scientists, and AI engineers, this book includes an overview of the machine learning process and walks you through classification with structured data. You’ll also learn methods for clustering, predicting a continuous value (regression), and reducing dimensionality, among other topics.

This pocket reference includes sections that cover:

Classification, using the Titanic dataset
Cleaning data and dealing with missing data
Exploratory data analysis
Common preprocessing steps using sample data
Selecting features useful to the model
Model selection
Metrics and classification evaluation
Regression examples using k-nearest neighbor, decision trees, boosting, and more
Metrics for regression evaluation
Clustering
Dimensionality reduction
Scikit-learn pipelines

منابع کتاب کتاب Machine Learning Pocket Reference: Working with Structured Data in Python

در دسترس قیمت پایین تر از سایر فروشندگان است که ممکن است نخستین حمل و نقل رایگان را ارائه ندهند.

با یادداشت های مفصل، جداول و نمونه ها، این مرجع مفید به شما کمک می کند تا به اصول یادگیری ماشین ساخت یافته حرکت دهید. نویسنده مت هریسون یک راهنمای ارزشمند را ارائه می دهد که می توانید برای پشتیبانی اضافی در طول آموزش و به عنوان یک منبع مناسب هنگامی که شما به پروژه یادگیری ماشین بعدی خود شیرجه می دهید، استفاده کنید.

ایده آل برای برنامه نویسان، دانشمندان داده و مهندسان AI، این کتاب شامل یک مرور کلی از فرآیند یادگیری ماشین است و شما را از طریق طبقه بندی با داده های ساخت یافته پیاده می کند. شما همچنین روش های خوشه بندی را نیز یاد خواهید گرفت، پیش بینی یک مقدار مداوم (رگرسیون) و کاهش ابعاد، از جمله موضوعات دیگر.

این مرجع جیبی شامل بخش هایی است که پوشش می دهند:

طبقه بندی، با استفاده از مجموعه داده های تیتانیک

تمیز کردن داده ها و برخورد با داده های گم شده

تجزیه و تحلیل داده های اکتشافی

مراحل پیش پردازش مشترک با استفاده از داده های نمونه

انتخاب ویژگی های مفید برای مدل

انتخاب مدل

معیارها و ارزیابی طبقه بندی

نمونه های رگرسیون با استفاده از نزدیکترین همسایه K، درخت تصمیم گیری، افزایش، و بیشتر

معیارهای ارزیابی رگرسیون

خوشه بندی

کاهش ابعاد