|
内容简介： 本实用指南提供了近200种自包含的食谱，可帮助您解决日常工作中可能遇到的机器学习难题。如果您熟悉Python及其库，包括熊猫和scikit-learn，那么您将能够解决诸如加载数据，处理文本或数字数据，选择模型和降维以及其他许多主题等特定问题。 每个配方都包含代码，您可以将其复制并粘贴到玩具数据集中，以确保其实际工作。从那里，您可以插入，组合或调整代码以帮助构建您的应用程序。食谱还包括解释解决方案并提供有意义上下文的讨论。这本食谱通过提供构建工作机器学习应用程序所需的螺母和螺栓，超越了理论和概念。 你会发现食谱： - 向量，矩阵和数组
- 处理数字和分类数据，文本，图像以及日期和时间
- 使用特征提取或特征选择降低维度
- 模型评估和选择
- 线性和逻辑回归，树木和森林，以及最近邻居
- 支持向量机（SVM），朴素贝叶斯，聚类和神经网络
- 保存并加载训练有素的模型
| 
楼主
标题置顶
标题高亮
