获得在日常工作中应用机器学习所需的信心。通过本实用指南,作者Matthew Kirk向您展示了如何在您的代码中集成和测试机器学习算法,而没有学术潜台词。

全书以图形和突出显示的代码示例为特色,使用Python的Numpy、panda、Scikit-Learn和SciPy数据科学库进行测试。如果你是一个软件工程师或业务分析师,对数据科学感兴趣,这本书将帮助你:

  • 参考真实世界的例子来测试每一个算法,通过参与,动手练习
  • 在开始编码之前,应用测试驱动开发(TDD)来编写和运行测试
  • 探索使用数据提取和特性开发来改进您的机器学习模型的技术
  • 注意机器学习的风险,如数据拟合不足或过拟合
  • 使用k近邻、神经网络、集群和其他算法
成为VIP会员查看完整内容
68

相关内容

Python是一种面向对象的解释型计算机程序设计语言,在设计中注重代码的可读性,同时也是一种功能强大的通用型语言。
【干货书】用于概率、统计和机器学习的Python,288页pdf
专知会员服务
278+阅读 · 2020年6月3日
【干货书】机器学习Python实战教程,366页pdf
专知会员服务
329+阅读 · 2020年3月17日
Sklearn 与 TensorFlow 机器学习实用指南,385页pdf
专知会员服务
126+阅读 · 2020年3月15日
Python机器学习课程(代码与教程)
专知
34+阅读 · 2019年5月13日
421页《机器学习数学基础》最新2019版PDF下载
Meta-Learning with Implicit Gradients
Arxiv
13+阅读 · 2019年9月10日
Arxiv
6+阅读 · 2018年11月29日
Arxiv
5+阅读 · 2018年6月12日
VIP会员
微信扫码咨询专知VIP会员