扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
自动机器学习入门与实践:使用Python 版权信息
- ISBN：9787568049528
- 条形码：9787568049528 ; 978-7-5680-4952-8
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>
自动机器学习入门与实践:使用Python 本书特色
AutoML可以将部分机器学习过程自动化，减轻数据科学从业者的工作负担，深受高级分析人员的喜爱。本书介绍搭建AutoML模块的基础知识，并通过练习帮助读者消化这些知识。读者将学习使用机器学习流水线自动实现数据预处理、特征选择、模型训练、模型优化等任务，学习应用auto-sklearn和MLBox等已有的自动化库，并且创建和扩展自定义的AutoML环节。阅读本书，你将对AutoML有更清晰的认识，能利用真实数据集完成自动化任务。书中知识可运用到实际的机器学习项目中，或者在机器学习竞赛中助你一臂之力。
自动机器学习入门与实践:使用Python 内容简介
本书AutoML可以将部分机器学习过程自动化, 减轻数据科学从业者的工作负担, 深受高级分析人员的喜爱。本书介绍搭建AutoML模块的基础知识, 并通过练习帮助读者消化这些知识。
自动机器学习入门与实践:使用Python 目录
第1章 AutoML简介 1
1.1 机器学习的范围 2
1.2 什么是AutoML 4
1.3 为什么和怎么用AutoML 10
1.4 何时需要将机器学习自动化 11
1.5 能学到什么 11
1.6 AutoML库概述 13
1.7 总结 23
第2章 Python机器学习简介 25
2.1 技术要求 26
2.2 机器学习 26
2.3 线性回归 28
2.4 重要评估指标——回归算法 37
2.5 逻辑回归 39
2.6 重要评估指标——分类算法 44
2.7 决策树 46
2.8 支持向量机 49
2.9 K近邻算法 52
2.10 集成方法 54
2.11 分类器结果对比 59
2.12 交叉验证 60
2.13 聚类 61
2.14 总结 66
第3章 数据预处理 67
3.1 技术要求 68
3.2 数据转换 68
3.3 特征选择 97
3.4 特征生成 103
3.5 总结 105
第4章 自动化算法选择 107
4.1 技术要求 108
4.2 计算复杂度 108
4.3 训练时间和推理时间的区别 110
4.4 线性与非线性 119
4.5 必要特征转换 124
4.6 监督机器学习 125
4.7 无监督AutoML 132
4.8 总结 157
第5章 超参数优化 159
5.1 技术要求 160
5.2 超参数 161
5.3 热启动 173
5.4 贝叶斯超参数优化 174
5.5 示例系统 175
5.6 总结 178
第6章 创建AutoML流水线 179
6.1 技术要求 180
6.2 机器学习流水线简介 180
6.3 简单的流水线 182
6.4 函数转换器 184
6.5 复杂流水线 187
6.6 总结 190
第7章 深度学习探究 191
7.1 技术要求 192
7.2 神经网络概览 192
7.3 使用Keras的前馈神经网络 198
7.4 自编码器 201
7.5 卷积神经网络 205
7.6 总结 210
第8章 机器学习和数据科学项目的重点 211
8.1 机器学习搜索 211
8.2 机器学习的权衡 221
8.3 典型数据科学项目的参与模型 222
8.4 参与模型的阶段 223
8.5 总结 228
作者简介 230
索引 231
1.1 机器学习的范围 2
1.2 什么是AutoML 4
1.3 为什么和怎么用AutoML 10
1.4 何时需要将机器学习自动化 11
1.5 能学到什么 11
1.6 AutoML库概述 13
1.7 总结 23
第2章 Python机器学习简介 25
2.1 技术要求 26
2.2 机器学习 26
2.3 线性回归 28
2.4 重要评估指标——回归算法 37
2.5 逻辑回归 39
2.6 重要评估指标——分类算法 44
2.7 决策树 46
2.8 支持向量机 49
2.9 K近邻算法 52
2.10 集成方法 54
2.11 分类器结果对比 59
2.12 交叉验证 60
2.13 聚类 61
2.14 总结 66
第3章 数据预处理 67
3.1 技术要求 68
3.2 数据转换 68
3.3 特征选择 97
3.4 特征生成 103
3.5 总结 105
第4章 自动化算法选择 107
4.1 技术要求 108
4.2 计算复杂度 108
4.3 训练时间和推理时间的区别 110
4.4 线性与非线性 119
4.5 必要特征转换 124
4.6 监督机器学习 125
4.7 无监督AutoML 132
4.8 总结 157
第5章 超参数优化 159
5.1 技术要求 160
5.2 超参数 161
5.3 热启动 173
5.4 贝叶斯超参数优化 174
5.5 示例系统 175
5.6 总结 178
第6章 创建AutoML流水线 179
6.1 技术要求 180
6.2 机器学习流水线简介 180
6.3 简单的流水线 182
6.4 函数转换器 184
6.5 复杂流水线 187
6.6 总结 190
第7章 深度学习探究 191
7.1 技术要求 192
7.2 神经网络概览 192
7.3 使用Keras的前馈神经网络 198
7.4 自编码器 201
7.5 卷积神经网络 205
7.6 总结 210
第8章 机器学习和数据科学项目的重点 211
8.1 机器学习搜索 211
8.2 机器学习的权衡 221
8.3 典型数据科学项目的参与模型 222
8.4 参与模型的阶段 223
8.5 总结 228
作者简介 230
索引 231
展开全部
自动机器学习入门与实践:使用Python 作者简介
Sibanjan Das是业界资深数据科学顾问，是广获好评的《Data Science Using Oracle Data Miner and Oracle R Enterprise》一书作者。
书友推荐
- >
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
¥6.3¥14.0 - >
龙榆生：词曲概论/大家小书
龙榆生：词曲概论/大家小书
¥13.0¥24.0 - >
名家带你读鲁迅:故事新编
名家带你读鲁迅:故事新编
¥13.0¥26.0 - >
人文阅读与收藏·良友文学丛书:一天的工作
人文阅读与收藏·良友文学丛书:一天的工作
¥14.7¥45.8 - >
我从未如此眷恋人间
我从未如此眷恋人间
¥24.4¥49.8 - >
罗曼·罗兰读书随笔-精装
罗曼·罗兰读书随笔-精装
¥20.3¥58.0 - >
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
¥9.9¥23.0 - >
中国历史的瞬间
中国历史的瞬间
¥16.7¥38.0
本类畅销
-
十二字节
¥42.4¥69 -
前瞻交互:从语音、手势设计到多模融合
¥76.3¥109 -
人工智能
¥18.6¥55 -
人工智能技术商业应用场景实战
¥45.8¥79 -
4.23文创礼盒A款--“作家言我精神状态”
¥42.3¥206 -
4.23文创礼盒B款--“作家言我精神状态”
¥42.3¥206
