《Python機(jī)器學(xué)習(xí)》是目前最好的機(jī)器學(xué)習(xí)著作之一，本書作者在計(jì)算生物學(xué)領(lǐng)域提出了幾種新的計(jì)算方法，還被科技博客Analytics Vidhya評(píng)為GitHub上具影響力的數(shù)據(jù)科學(xué)家。本書圖文并茂，代碼詳實(shí)，講解清晰，是學(xué)習(xí)機(jī)器學(xué)習(xí)最好的著作之一。

本書將機(jī)器學(xué)習(xí)背后的基本理論與應(yīng)用實(shí)踐聯(lián)系起來(lái)，通過(guò)這種方式讓讀者聚焦于如何正確地提出問(wèn)題、解決問(wèn)題。書中講解了如何使用Python的核心元素以及強(qiáng)大的機(jī)器學(xué)習(xí)庫(kù)，同時(shí)還展示了如何正確使用一系列統(tǒng)計(jì)模型。

在本書第1版的基礎(chǔ)上，作者對(duì)第2版進(jìn)行了大量更新和擴(kuò)展，納入最近的開源技術(shù)，包括scikit-learn、Keras和TensorFlow，提供了使用Python構(gòu)建高效的機(jī)器學(xué)習(xí)與深度學(xué)習(xí)應(yīng)用的必要知識(shí)與技術(shù)。

目錄

第1章　賦予計(jì)算機(jī)從數(shù)據(jù)中學(xué)習(xí)的能力 1
第2章　訓(xùn)練簡(jiǎn)單的機(jī)器學(xué)習(xí)分類算法 10
第3章　scikit-learn機(jī)器學(xué)習(xí)分類器一覽 32
第4章　構(gòu)建良好的訓(xùn)練集——預(yù)處理 66
第5章　通過(guò)降維壓縮數(shù)據(jù) 88
第6章　模型評(píng)估和超參數(shù)調(diào)優(yōu)的最佳實(shí)踐 115
第7章　綜合不同模型的組合學(xué)習(xí) 136
第8章　應(yīng)用機(jī)器學(xué)習(xí)于情感分析 159
第9章　將機(jī)器學(xué)習(xí)模型嵌入網(wǎng)絡(luò)應(yīng)用 175
第10章　用回歸分析預(yù)測(cè)連續(xù)目標(biāo)變量 194
第11章　用聚類分析處理無(wú)標(biāo)簽數(shù)據(jù) 218
第12章　從零開始實(shí)現(xiàn)多層人工神經(jīng)網(wǎng)絡(luò) 238
第13章　用TensorFlow并行訓(xùn)練神經(jīng)網(wǎng)絡(luò) 262
第14章　深入探討TensorFlow的工作原理 283