回首頁  
帳號
 
關於博碩 博碩好讀 校園圖書 MOCC認證 下載教學 元學堂

博碩好讀
  新書推薦
  出版預告
  名家名著
  iT達人祕笈
 

分類索引

 

出版總覽

 

讀者服務

  徵求作者
 
首頁 >> 書籍介紹
 
 
點我可放大圖片
 
書名:scikit-learn新手的晉級:實作各種機器學習解決方案
書號:MP12007 作者:Gavin Hackeling ISBN: 978-986-434-484-0
定價:NT$500元 印刷:單色 頁數:256頁
書籍規格:17*23 上市日:2020/4/16 譯者:張浩然 譯,博碩文化 審校
學習定位:無 本書附件:網路下載範例檔   快速前往 勘誤
前往購買 >> 蝦皮購物 類別:電腦技術  
       
快速前往 快速前往 快速前往        

 

 

    使用scikit-learn探索各式機器學習模型,實作多種機器學習演算法

    機器學習是近年的熱門話題,它將電腦科學與統計學結合在一起,打造智慧又有效率的模型。你可以使用機器學習提供的強大演算法和技術,來自動化任何分析模型,而scikit-learn正是一個優秀的Python機器學習函式庫,它可以實作多種機器學習演算法,是非常好用的工具。

    本書詳細介紹一系列機器學習模型和scikit-learn的使用技巧。從機器學習的基礎理論講起,涵蓋了簡單線性迴歸、KNN演算法、特徵提取、多元線性迴歸、邏輯斯迴歸、單純貝氏、非線性分類、決策樹迴歸、隨機森林、感知器、支援向量機、類神經網路、K-MEANS演算法等重要話題。

    本書亦詳細討論資料預處理、超參數最佳化和整體(ensemble)方法。你也將學會使用scikit-learn的API,從分類變數、文本和影像之中提取特徵,一步步建立改善模型效能的專業直覺。

    適用讀者
    本書適合機器學習領域的工程師,也適合想要了解scikit-learn的資料科學家。

    在這本書中,你將學到:
    ・基本概念簡述,如「偏誤」和「變異數」
    ・建置能夠分類文件、識別影像及偵測廣告的系統
    ・使用「線性迴歸」和「KNN」預測連續變數的值
    ・使用「邏輯斯迴歸」和「支援向量機」對文件和影像進行分類
    ・使用「裝袋法」和「提升法」建立估計器整體
    ・使用K-MEANS集群發現資料中的隱藏結構
    ・在常見任務中評估機器學習系統的效能




 
    前言

    第1章:機器學習基礎
    定義機器學習
    從經驗之中學習
    機器學習任務
    訓練資料、測試資料和驗證資料
    偏誤和變異數
    scikit-learn簡介
    安裝scikit-learn
    安裝pandas、Pillow、NLTK和matplotlib
    小結

    第2章:簡單線性迴歸
    簡單線性迴歸
    評價模型
    小結

    第3章:使用KNN演算法分類和迴歸
    KNN模型
    惰式學習和非參數模型
    KNN模型分類
    KNN模型迴歸
    小結

    第4章:特徵提取
    從分類變數中提取特徵
    特徵標準化
    從文本中提取特徵
    從影像中提取特徵
    小結

    第5章:從簡單線性迴歸到多元線性迴歸
    多元線性迴歸
    多項式迴歸
    正規化
    應用線性迴歸
    梯度下降法
    小結

    第6章:從線性迴歸到邏輯斯迴歸
    使用邏輯斯迴歸進行二元分類
    垃圾郵件過濾
    使用網格搜尋微調模型
    多元分類
    多標籤分類和問題轉換
    小結

    第7章:單純貝氏
    貝氏定理
    生成模型和判別模型
    單純貝氏
    在scikit-learn中使用單純貝氏
    小結

    第8章:非線性分類和決策樹迴歸
    決策樹
    訓練決策樹
    使用scikit-learn建立決策樹
    小結

    第9章:整體方法:從決策樹到隨機森林
    裝袋法
    提升法
    堆疊法
    小結

    第10章:感知器
    使用感知器進行文件分類
    感知器的侷限性
    小結

    第11章:從感知器到支援向量機
    核心與核技巧
    最大化分類邊界和支援向量
    使用scikit-learn分類字元
    小結

    第12章:從感知器到類神經網路
    非線性決策邊界
    前饋式類神經網路和回饋式類神經網路
    多層感知器
    訓練多層感知器
    小結

    第13章:K-MEANS演算法
    分群
    K-MEANS演算法
    評估集群
    影像量化
    透過分群學習特徵
    小結

    第14章:使用主成分分析降維
    主成分分析
    使用PCA對高維度資料視覺化
    使用PCA進行臉部辨識
    小結
 
    Gavin Hackeling是一名資料科學家和作家。他研究過各式各樣的機器學習問題,包括自動語音辨識、文件分類、物件辨識以及語義分割。他畢業於北卡羅來納大學和紐約大學。目前他和妻子與愛貓一起生活在布魯克林。
 
    【下載範例程式檔案】
        本書的程式碼是由GitHub託管,可點選下面圖案前往下載:
        
 

書籍勘誤
 
  1. 勘誤表 (74.2KB)
 
 
     

博碩文化客服信箱
 

[email protected]

 
文教業務團隊
台北、新北、桃園、基隆、宜蘭、花蓮、金門
汪 玉 鳳
LINE ID:0925177716
0925-177716
[email protected]
郭 南 彤
LINE ID:rgtech101
0917-727778
[email protected]
助理分機 519
新竹、苗栗、台中、彰化、南投、雲林
林 世 昌
LINE ID:0925275775
0925-275775
[email protected]
助理分機 519
嘉義、台南、高雄、屏東、台東、澎湖
林 月 玲
LINE ID:0926858627
0926-858627
[email protected]
助理分機 238
 
MOCC 認證小組
 
  林 雯 玲 電話:02-2696-2869 分機:623 [email protected]

 

 
 

 

博碩文化股份有限公司 DrMaster Press Co., Ltd.
台灣新北市汐止區新台五路一段112號10樓A棟
Building A, 10F, No.112, Xintai 5th Rd., Sec.1,Xizhi Dist., New Taipei City 221, Taiwan
Tel:02-2696-2869 Fax:02-2696-2867 劃撥帳號:17484299

Copyright© DrMaster Press Co., Ltd. All Rights Reserved.