超值优惠券
¥50
100可用 有效期2天

全场图书通用(淘书团除外)

不再提示
关闭
图书盲袋,以书为“药”
欢迎光临中图网 请 | 注册

Python机器学习项目实战

出版社:清华大学出版社出版时间:2023-03-01
开本: 24cm 页数: 13,367页
中 图 价:¥89.6(7.0折) 定价  ¥128.0 登录后可看到会员价
加入购物车 收藏
运费6元,满39元免运费
?新疆、西藏除外
本类五星书更多>

Python机器学习项目实战 版权信息

Python机器学习项目实战 本书特色

★一本有用的书籍,通俗易懂,列举大量实用的示例。 我此前买过好几本机器学习书籍,但心中的疑团并未消失,愁肠百转。本书的出现令我眼前一亮,茅塞顿开。本书是我迄今为止读到的作品!我是一个实用型学习者,希望先找准前进方向,然后奋力前行;Alexey就是这么做的,是我的知音。 在此强烈推荐本书。 ——Amazon Customer ★讲解细腻,令我陶醉! 非常棒的书!Alexey以非常详细和简洁的方式传授机器学习知识。我对机器学习很感兴趣,也在YouTube上关注Alexey的Zoomcamp。 感谢Alexey为我们提供了如此精彩的内容! ——Humberto

Python机器学习项目实战 内容简介

本书呈现了真实而实用的机器学习场景以及清晰的关键概念。其中,你将完成一些有趣的项目,例如使用线性回归创建一个汽车价格预测器以及部署一个客户流失预测服务。你还将超越算法,探索重要的技术,例如在无服务器系统上部署机器学习应用程序,以及使用Kubernetes和kubeflow将模型服务化。

Python机器学习项目实战 目录

第1章 机器学习简介
1.1 机器学习
1.1.1 机器学习与基于规则的方法
1.1.2 当机器学习不起作用时
1.1.3 监督机器学习
1.2 机器学习过程
1.2.1 问题理解
1.2.2 数据理解
1.2.3 数据准备
1.2.4 建模
1.2.5 评估
1.2.6 部署
1.2.7 迭代
1.3 建模和模型验证
1.4 本章小结

第2章 用于回归的机器学习
2.1 汽车价格预测项目
2.2 探索性数据分析
2.2.1 探索性数据分析工具箱
2.2.2 读取和准备数据
2.2.3 目标变量分析
2.2.4 检查缺失值
2.2.5 验证框架
2.3 机器学习之回归
2.3.1 线性回归
2.3.2 训练线性回归模型
2.4 预测价格
2.4.1 基本解决方案
2.4.2 RMSE:评估模型质量
2.4.3 验证模型
2.4.4 简单的特征工程
2.4.5 处理分类变量
2.4.6 正则化
2.4.7 使用模型
2.5 后续步骤
2.5.1 练习
2.5.2 其他项目
2.6 本章小结
2.7 习题答案

第3章 用于分类的机器学习
3.1 客户流失预测项目
3.1.1 电信客户流失数据集
3.1.2 初始数据准备
3.1.3 探索性数据分析
3.1.4 特征重要性
3.2 特征工程
3.3 机器学习之分类
3.3.1 逻辑回归
3.3 2训练逻辑回归
3.3.3 模型解释
3.3.4 使用模型
3.4 后续步骤
3.4.1 练习
3.4.2 其他项目
3.5 本章小结
3.6 习题答案

第4章 分类的评估指标
4.1 评估指标
4.1.1 分类准确度
4.1.2 虚拟基线
4.2 混淆矩阵
4.2.1 混淆矩阵介绍
4.2.2 用NumPy计算混淆矩阵
4.2.3 查准率和查全率
4.3 ROC曲线和AUC分数
4.3.1 真正例率和假正例率
4.3.2 在多个阈值下评估模型
4.3.3 随机基线模型
4.3.4 理想模型
4.3.5 ROC曲线
4.3.6 AUC
4.4 参数调优
4.4.1 K折交叉验证
4.4.2 寻找*佳参数
4.5 后续步骤
4.5.1 练习
4.5.2 其他项目
4.6 本章小结
4.7 习题答案

第5章 部署机器学习模型
5.1 客户流失预测模型
5.1.1 使用模型
5.1.2 使用Pickle保存和加载模型
5.2 模型服务化
5.2.1 Web服务
5.2.2 Flask
5.2.3 使用Flask将流失模型服务化
5.3 管理依赖项
5.3.1 Pipenv
5.3.2 Docker
5.4 部署
5.5 后续步骤
5.5.1 练习
5.5.2 其他项目
5.6 本章小结

第6章 决策树与集成学习
6.1 信用风险评分项目
6.1.1 信用评分数据集
6.1.2 数据清理
6.1.3 准备数据集
6.2 决策树
6.2.1 决策树分类器
6.2.2 决策树学习算法
6.2.3 决策树的参数调优
6.3 随机森林
6.3.1 训练随机森林
6.3.2 随机森林的参数调优
6.4 梯度提升
6.4.1 XGBoost:极限梯度提升
6.4.2 模型性能监控
6.4.3 XGBoost的参数调优
6.4.4 测试*终模型
6.5 后续步骤
6.5.1 练习
6.5.2 其他项目
6.6 本章小结
6.7 习题答案
……

第7章 神经网络与深度学习
第8章 无服务器深度学习
第9章 使用Kubemetes和Kubeflow将模型服务化

附录
展开全部

Python机器学习项目实战 作者简介

Alexey Grigorev与家人居住在柏林。他是一名经验丰富的软件工程师,专注于机器学习。他在OLX集团担任首席数据科学家,帮助同事们将机器学习应用于生产。 工作之余,Alexey还运营着DataTalks.Club——一个由喜欢数据科学和机器学习的爱好者组成的社区。他还出版过另外两本著作:Mastering Java for Data Science和TensorFlow Deep Learning Projects。

商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服