Python机器学习实践：测试驱动的开发方法，由机械工业出版社在2017-11-01月出版发行，本书编译以及作者信息为： 马修·柯克（Matthew Kirk） 著，这是第1次发行， 国际标准书号为：9787111581666，品牌为机工出版, 这本书采用平装开本为16，纸张采为胶版纸，全书共有未知页，字数万字，值得推荐。
此书内容摘要
本书一开始就立足于软件编写、算法测试的实践指导，为读者理解示例代码、动手编写自己的程序做必要的铺垫。
然后，作者才开始简明扼要地介绍机器学习算法的定义，以及读者必须知道的算法类别、这些算法又各自有何神通，并轻轻点出：每个算法也有它的死穴。
第三章到第九章，作者深入详实地讲解了几种有代表性的机器学习算法：K-最近邻，朴素贝叶斯分类，决策树和随机森林，隐马尔可夫模型，支持向量机，神经网络，以及聚类。在这些章节中，不但讲解了算法核心部分的数学表达，也用机智、形象的语言描述了算法如何在实际生活中解决问题，并给出了关键的Python代码示例和算法训练、测试过程。
关于此书作者
Matthew Kirk是一名软件咨询师、作者和国际演讲者，擅长机器学习和数据科学，使用Ruby和Python编程。现居于西雅图，他喜欢帮助软件工程师将数据科学融入到他们的技术栈中。
编辑们的推荐
暂无.Python机器学习实践：测试驱动的开发方法图书的目录
前言 1
第1章 5
可能近似正确的软件 5
正确地编写软件 6
编写正确的软件 10
本书计划 16
第2章 快速介绍机器学习 18
什么是机器学习 18
有监督学习 18
无监督学习 19
强化学习 20
机器学习能完成什么 20
本书中使用的数学符号 21
结论 22
第3章 K最近邻算法 23
如何确定是否想购买一栋房子 23
房子的价格究竟几何 24
愉悦回归 24
什么是邻域 25
K最近邻算法简介 26
K先生最近的邻居 26
距离 27
维度灾难 33
如何选择K 34
给西雅图的房子估价 37
结论 43
第4章 朴素贝叶斯分类 44
通过贝叶斯定理来发现欺诈订单 44
条件概率 45
概率符号 45
反向条件概率（又名贝叶斯定理） 47
朴素贝叶斯分类器 47
贝叶斯推理之朴素 48
伪计数 49
垃圾邮件过滤器 50
标记化和上下文 55
结论 67
第5章 决策树和随机森林 68
蘑菇的细微差别 69
使用民间定理实现蘑菇分类 70
找到最佳切换点 71
修剪树 74
结论 83
第6章 隐马尔可夫模型 84
使用状态机来跟踪用户行为 84
输出/观测隐含状态 86
使用马尔可夫假设化简 87
隐马尔可夫模型 88
评估: 前向-后向算法 89
通过维特比算法解码 93
学习问题 94
词性标注与布朗语库 94
结论 105
第7章 支持向量机 106
客户满意度作为语言的函数 107
SVM背后的理论 108
情绪分析器 113
聚合情绪 124
将情绪映射到底线 126
结论 127
第8章 神经网络 128
什么是神经网络 129
神经网络史 129
布尔逻辑 129
感知器 130
如何构建前馈神经网络 130
构建神经网络 144
使用神经网络来对语言分类 145
结论 154
第9章 聚类 155
无任何偏差的研究数据 155
用户群组 156
测试群集映射 157
K均值聚类 159
最大期望（EM）聚类 161
不可能性定理 163
案例：音乐归类 164
结论 174
第10章 模型改进与数据提取 175
辩论俱乐部 175
选择更好的数据 176
最小冗余最大相关性的特征选择 181
特征变换与矩阵分解 183
结论 189
第11章 将这些方法融合在一起：结论 191
机器学习算法回顾 191
如何使用这些信息来解决问题 193
下一步做什么 193
部分内容试读
暂无.关于此书评价
暂无.书摘内容
暂无.Python机器学习实践：测试驱动的开发方法最新最全的试读、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/431
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/6003.html
4 评论