跟我一起學(xué)機器學(xué)習(xí)
本書系統(tǒng)地闡述機器學(xué)習(xí)中常見的幾類模型，包括模型的思想、原理及實現(xiàn)細節(jié)等。同時，本書還結(jié)合了當(dāng)前熱門的機器學(xué)習(xí)框架Sklearn，對書中所涉及的模型進行用法上詳細講解。全書共10章，第1章介紹機器學(xué)習(xí)開發(fā)環(huán)境的配置；第2章講解線性回歸模型的基本原理、回歸模型中常見的幾種評價指標(biāo)，以及用于有監(jiān)督模型訓(xùn)練的梯度下降算法；第3章介紹邏輯回歸模型的基本原理和分類模型中常見的幾種評價指標(biāo)；第4章介紹模型的改善與泛化，包括特征標(biāo)準(zhǔn)化、如何避免過擬合及如何進行模型選擇等；第5章講解K最近鄰分類算法的基本原理及kd樹的構(gòu)造與搜索；第6章介紹樸素貝葉斯算法的基本原理；第7章介紹幾種常見的文本特征提取方法，包括詞袋模型和TF-IDF等；第8章講解決策樹的基本原理，包括幾種經(jīng)典的決策樹生成算法和集成模型；第9章介紹支持向量機的基本原理與求解過程；第10章介紹幾種經(jīng)典的聚類算法及相應(yīng)的評價指標(biāo)計算方法。
·11.8萬字
