Python 機器學習 (Python Machine Learning)

Sebastian Raschka 著,劉立民、吳建華 譯

立即出貨 (庫存 > 10)

  • 9789864341405 b1
  • 9789864341405 b2
  • 9789864341405 b3
  • 9789864341405 b4
  • 9789864341405 b5
  • 9789864341405 b6
  • 9789864341405 b7
  • 9789864341405 b8
  • 9789864341405 b9
  • 9789864341405 b10
  • 9789864341405 b11
9789864341405 b1

買這商品的人也買了...

產品描述

Python Machine Learning
「機器學習」(machine learning)已是一門改變資料分析方式的重要學科,而本書將引領你進入預測性分析的世界,透過在科學領域已應用得相當廣泛的 Python 程式語言進行實作。
藉由本書,可以幫助你對資料分析的方式做出最佳決策,或是用於提昇機器學習系統的效能。內容包含 scikit-learnTheano Keras 等一系列強大的 Python 函式庫,並為情緒分析、類神經網路等議題提供指引與訣竅。綜合本書所學知識後,便能夠為你的組織或研究提供最佳解答。

你能夠從本書學習到

  • 探索各種不同的機器學習模型,為你的需求提供多種解決方案。
  • 利用 Theano Keras 建構類神經網路運算。
  • 撰寫清晰、優雅的 Python 程式碼,使演算法效益最大化。
  • 將機器學習模型嵌入於 Web 應用程式之中。
  • 透過迴歸分析來預測連續性目標的結果。
  • 藉由集群分析發掘隱藏的資料模式與結構。
  • 利用高效率的預處理技術來組織資料,並應用最佳實踐來評估機器學習模型。
  • 深入探索文字資料及社群媒體資料以實現情緒分析。

適用讀者

期望運用 Python 程式語言,從大量資料中取得重要資訊之人士。無論是初次踏入資料科學的領域,還是已具備相關經驗,本書都可作為實用的重點參考資源。

目錄大綱

  • 01 賦予電腦從數據中學習的能力
  • 02 訓練機器學習的分類演算法
  • 03 使用 scikit-learn 機器學習分類器的巡覽
  • 04 建構良好的訓練數據集——數據預處理
  • 05 降維來壓縮數據
  • 06 學習模型評估和超參數調校的最佳實作
  • 07 結合不同模型來做整體學習
  • 08 將機器學習應用於情緒分析
  • 09 在 Web 應用程式上嵌入機器學習模型
  • 10 以迴歸分析預測連續目標變量
  • 11 使用未標記的數據——集群分析
  • 12 訓練類神經網路來做圖形識別
  • 13 以 Theano 平行化地訓練類神經網路