Python机器学习经典实例(影印版 英文版) [Machine Learning with Python C

这本Python机器学习经典实例(影印版 英文版) [Machine Learning with Python Cookbook]图书,是2018-11-01月由东南大学出版社所出版的,著作者信息: [美] 克里斯·阿尔本 著,本版是第1次印刷, ISBN:9787564179786,品牌:南京东南大学出版社, 这本书的包装是16开平装,所用纸张为胶版纸,全书页数349,字数有万字, 是本值得推荐的Python软件开发图书。

此书内容摘要

《Python机器学习经典实例(影印版 英文版)》这本实用指南提供了近200则完整的攻略,可帮助你解决日常工作中可能遇到的机器学习难题。如果你熟悉Python以及包括pandas和scikit-learn在内的库,那么解决一些特定问题将不在话下,比如数据加载、文本处理、数值数据、模型选择、降维以及诸多其他主题。
每则攻略中都包含代码,你可以将其复制并粘贴到实验数据集中,以确保代码的确有效。你可以插入、组合、修改这些代码,从而协助构建你自己的应用程序。攻略中还包括相关的讨论,对解决方案给出了解释并提供有意义的上下文。
《Python机器学习经典实例(影印版 英文版)》在理论和概念之外提供了构造实用机器学习应用所需的具体细节。

关于此书作者

克里斯·阿尔本是肯尼亚创业公司BRCK的首席数据科学家。他此前创立了AI公司New l

编辑们的推荐

暂无.

Python机器学习经典实例(影印版 英文版) [Machine Learning with Python Cookbook]图书的目录

Preface

1. Vectors, Matrices, and Arrays
1.0 Introduction
1.1 Creating a Vector
1.2 Creating a Matrix
1.3 Creating a Sparse Matrix
1.4 Selecting Elements
1.5 Describing a Matrix
1.6 Applying Operations to Elements
1.7 Finding the Maximum and Minimum Values
1.8 Calculating the Average, Variance, and Standard Deviation
1.9 Reshaping Arrays
1.10 Transposing a Vector or Matrix
1.11 Flattening a Matrix
1.12 Finding the Rank of a Matrix
1.13 Calculating the Determinant
1.14 Getting the Diagonal of a Matrix
1.15 Calculating the Trace of a Matrix
1.16 Finding Eigenvalues and Eigenvectors
1.17 Calculating Dot Products
1.18 Adding and Subtracting Matrices
1.19 Multiplying Matrices
1.20 Inverting a Matrix
1.21 Generating Random Values

2. Loading Data
2.0 Introduction
2.1 Loading a Sample Dataset
2.2 Creating a Simulated Dataset
2.3 Loading a CSV File
2.4 Loading an Excel File
2.5 Loading a ]SON File
2.6 Querying a SQL Database

3. Data Wrangling
3.0 Introduction
3.1 Creating a Data Frame
3.2 Describing the Data
3.3 Navigating DataFrames
3.4 Selecting Rows Based on Conditionals
3.5 Replacing Values
3.6 Renaming Columns
3.7 Finding the Minimum, Maximum, Sum, Average, and Count
3.8 Finding Unique Values
3.9 Handling Missing Values
3.10 Deleting a Column
3.11 Deleting a Row
3.12 Dropping Duplicate Rows
3.13 Grouping Rows by Values
3.14 Grouping Rows by Time
3.15 Looping Over a Column
3.16 Applying a Function Over All Elements in a Column
3.17 Applying a Function to Groups
3.18 Concatenating DataFrames
3.19 Merging DataFrames

4. Handling Numerical Data
4.0 Introduction
4.1 Rescaling a Feature
4.2 Standardizing a Feature
4.3 Normalizing Observations
4.4 Generating Polynomial and Interaction Features
4.5 Transforming Features
4.6 Detecting Outliers
4.7 Handling Outliers
4.8 Discretizating Features
4.9 Grouping Observations Using Clustering
4.10 Deleting Observations with Missing Values
4.11 Imputing Missing Values
……

5. Handling Categorical Data
6. Handling Text
7. Handling Dates and Times
8. Handling Images
9. Dimensionality Reduction Using Feature Extraction
10. Dimensionality Reduction Using Feature Selection
11. Model Evaluation
12. Model Selection
13. Linear Regression
14. Trees and Forests
15. K-Nearest Neighbors
16. Logistic Regression
17. Support Vector Machines
18. Naive Bayes
19. Clustering
20. Neural Networks
21. Saving and Loading Trained Models

Index

部分内容试读

暂无.

关于此书评价

暂无.

书摘内容

暂无.

Python机器学习经典实例(影印版 英文版) [Machine Learning with Python Cookbook]最新最全的试读、书评、目录、简介信息由个人博客整理提供。

本文地址:https://my.lmcjl.com/book/421

版权声明:个人博客原创文章,转载请注明出处和网址。

,欢迎加入。

本文链接:https://my.lmcjl.com/post/5968.html

展开阅读全文

4 评论

留下您的评论.