初探機器學習演算法(電子書)

初探機器學習演算法(電子書)
Machine Learning Algorithms

作者： Giuseppe Bonaccorso

譯者：

賴屹民

書號： ICL050900

出版日： 2017/12/06

ISBN：

EAN：

紙本書價格： 480

附件：無

電子書：

已出版

Google Play 圖書

回頁首

熱門資料科學與機器學習演算法學習指南

本書介紹並說明資料科學領域常見且重要的機器學習演算法，這些演算法可用於監督式與非監督學習、強化學習與半監督式學習。書中所討論的演算法包括線性迴歸、logistic迴歸、SVM、樸素貝氏、k-means、隨機森林、TensorFlow與特徵工程。

你將會學到如何使用這些演算法來解決問題，以及它們的工作原理。同時也會介紹自然語言處理與推薦系統，以協助同時執行多種演算法。

最後將會知道如何挑選正確的機器學習演算法，來為你的問題進行分群、分類或迴歸。

你將學會：
• 熟悉機器學習的重要元素
• 瞭解特徵選擇與特徵工程流程
• 平衡線性迴歸的效能與誤差
• 建立資料模型，與使用各種類型的演算法來瞭解它的工作方式
• 微調SVM的參數
• 實作資料集的群聚
• 探索自然語言處理與推薦系統的概念
• 從零開始建立機器學習架構

回頁首

第 1 章機器學習簡介
第 2 章機器學習的重要元素
第 3 章特徵選擇與特徵工程
第 4 章線性迴歸
第 5 章 Logistic 迴歸
第 6 章樸素貝氏
第 7 章支援向量機
第 8 章決策樹與整體學習
第 9 章分群基礎
第 10 章階層式分群
第 11 章推薦系統簡介
第 12 章自然語言處理簡介
第 13 章 NLP 的主題建模與情緒分析
第 14 章深度學習與 TensorFlow 簡介
第 15 章建立機器學習架構