Tích hợp scikit-learning với nhiều công cụ khác nhau như NumPy, pandas,balanced-learning và scikit-surprise và sử dụng nó để giải quyết các vấn đề về học máy trong thế giới thực Show Các tính năng chính
Mô tả cuốn sáchHọc máy được áp dụng ở mọi nơi, từ kinh doanh đến nghiên cứu và học thuật, trong khi scikit-learning là một thư viện đa năng phổ biến đối với những người thực hành học máy. Cuốn sách này phục vụ như một hướng dẫn thực tế cho bất kỳ ai muốn cung cấp các giải pháp học máy thực hành với bộ công cụ scikit-learning và Python Cuốn sách bắt đầu với phần giải thích về các khái niệm và nguyên tắc cơ bản của máy học, đồng thời tạo ra sự cân bằng giữa các khái niệm lý thuyết và ứng dụng của chúng. Mỗi chương bao gồm một tập hợp các thuật toán khác nhau và chỉ cho bạn cách sử dụng chúng để giải quyết các vấn đề thực tế. Bạn cũng sẽ tìm hiểu về các thuật toán học máy được giám sát và không giám sát quan trọng khác nhau bằng các ví dụ thực tế. Cho dù đó là thuật toán học tập dựa trên phiên bản, ước tính Bayes, mạng lưới thần kinh sâu, tập hợp dựa trên cây hay hệ thống đề xuất, bạn sẽ hiểu thấu đáo về lý thuyết của nó và tìm hiểu khi nào nên áp dụng nó. Khi bạn tiến bộ, bạn sẽ tìm hiểu cách xử lý dữ liệu chưa được gắn nhãn và khi nào nên sử dụng các thuật toán phát hiện bất thường và phân cụm khác nhau Khi kết thúc cuốn sách về máy học này, bạn sẽ học cách sử dụng phương pháp tiếp cận dựa trên dữ liệu để cung cấp các giải pháp máy học từ đầu đến cuối. Bạn cũng sẽ khám phá ra cách giải quyết vấn đề trong tay, chuẩn bị dữ liệu cần thiết, đánh giá và triển khai các mô hình trong sản xuất Bạn sẽ học được gì
Cuốn sách này dành cho aiCuốn sách này dành cho các nhà khoa học dữ liệu, những người thực hành máy học và bất kỳ ai muốn tìm hiểu cách hoạt động của các thuật toán máy học và xây dựng các mô hình học máy khác nhau bằng hệ sinh thái Python. Cuốn sách sẽ giúp bạn nâng kiến thức của mình về học máy lên một tầm cao mới bằng cách nắm bắt những thông tin chi tiết về nó và điều chỉnh nó theo nhu cầu của bạn. Cần có kiến thức làm việc về Python và hiểu biết cơ bản về các khái niệm toán học và thống kê cơ bản Packt đang có đợt giảm giá lớn nhất trong năm. Nhận Sách điện tử này hoặc bất kỳ cuốn sách, video hoặc khóa học nào khác mà bạn thích chỉ với $5 mỗi cuốn Mua ngay Mua các tiêu đề tương tự chỉ với 5 đô la Học máy thực hành với Scikit-Learn và Bộ công cụ Python khoa họcĐây là kho lưu trữ mã cho Máy học thực hành với Scikit-Learn và Bộ công cụ Python khoa học, được xuất bản bởi Packt Hướng dẫn thực tế để triển khai các thuật toán học máy có giám sát và không giám sát trong Python Cuốn sách này nói về cái gì?Học máy được áp dụng ở mọi nơi, từ kinh doanh đến nghiên cứu và học thuật, trong khi Scikit-Learn là một thư viện đa năng phổ biến đối với những người thực hành học máy. Cuốn sách này phục vụ như một hướng dẫn thực tế cho bất kỳ ai muốn cung cấp các giải pháp học máy thực hành với bộ công cụ Scikit-Learn và Python Cuốn sách bắt đầu với phần giải thích về các khái niệm và nguyên tắc cơ bản của máy học, đồng thời tạo ra sự cân bằng giữa các khái niệm lý thuyết và ứng dụng của chúng. Mỗi chương bao gồm một tập hợp các thuật toán khác nhau và chỉ cho bạn cách sử dụng chúng để giải quyết các vấn đề thực tế. Bạn cũng sẽ tìm hiểu các thuật toán học máy có giám sát và không giám sát quan trọng khác nhau bằng các ví dụ thực tế. Cho dù đó là thuật toán học tập dựa trên phiên bản, ước tính Bayes, mạng lưới thần kinh sâu, tập hợp dựa trên cây hay hệ thống đề xuất, bạn sẽ hiểu thấu đáo về lý thuyết của nó và tìm hiểu khi nào nên áp dụng nó. Khi bạn tiến bộ, bạn sẽ tìm hiểu cách xử lý dữ liệu chưa được gắn nhãn và khi nào nên sử dụng các thuật toán phát hiện bất thường và phân cụm khác nhau Khi kết thúc cuốn sách về máy học này, bạn sẽ học cách sử dụng phương pháp tiếp cận dựa trên dữ liệu để cung cấp các giải pháp máy học từ đầu đến cuối. Bạn cũng sẽ khám phá ra cách giải quyết vấn đề trong tay, chuẩn bị dữ liệu cần thiết, đánh giá và triển khai các mô hình trong sản xuất Cuốn sách này vượt xa Scikit-Learn và giới thiệu cho bạn các thư viện bổ sung như NumPy, Pandas, SpaCy, tìm hiểu mất cân bằng và Scikit-Surprise. Kiến thức lý thuyết trong cuốn sách này cũng sẽ chuẩn bị cho bạn sử dụng các thư viện không được đề cập ở đây như Tensor Flow và Pytorch Trong repo này, bạn sẽ tìm thấy các ví dụ mã được sử dụng trong cuốn sách. Tôi cũng bao gồm ở đây các phần mã bị lược bỏ trong sách, chẳng hạn như kiểu dáng trực quan hóa dữ liệu, định dạng bổ sung, v.v. Cuốn sách này bao gồm các tính năng thú vị sau đây
Nếu bạn cảm thấy cuốn sách này là dành cho mình, hãy nhận bản sao của bạn ngay hôm nay Đánh giá sáchTừ GoodReadsAli Faizan đánh giá nó. 5 trên 5 sao
Paul Schmidt đánh giá nó. 5 trên 5 sao
từ AmazonPrzemyslaw Chojecki đánh giá nó. 5 trên 5 sao
Adam Powell đánh giá nó. 5 trên 5 sao
Hướng dẫn và Điều hướngTất cả mã được sắp xếp vào các thư mục Mã sẽ giống như sau
Sau đây là những gì bạn cần cho cuốn sách này. Cuốn sách này dành cho các nhà khoa học dữ liệu học máy, những người muốn nắm vững các khía cạnh lý thuyết và thực tiễn của các thuật toán học máy và hiểu cách sử dụng chúng để giải quyết các vấn đề thực tế. Cần có kiến thức làm việc về Python và hiểu biết cơ bản về các khái niệm toán học và thống kê cơ bản. Tuy nhiên, cuốn sách này sẽ hướng dẫn bạn các khái niệm mới để phục vụ cho cả các nhà khoa học dữ liệu mới và có kinh nghiệm. Với danh sách phần cứng và phần mềm sau đây, bạn có thể chạy tất cả các tệp mã có trong sách (Chương 1-13) Danh sách phần mềm và phần cứngChươngYêu cầu phần mềmYêu cầu hệ điều hành1 - 13Python 3. x, Jupyter Notebook/Google ColabWindows, Mac OS X và Linux (Bất kỳ)Chạy mãBạn sẽ cần Python 3. x được cài đặt trên máy tính của bạn. Đó là một cách thực hành tốt để thiết lập một môi trường ảo để cài đặt các thư viện cần thiết vào. Tùy thuộc vào việc bạn muốn sử dụng mô-đun venv của Python, môi trường ảo do Anaconda cung cấp hay bất kỳ tùy chọn nào khác mà bạn thích. Chúng tôi sẽ sử dụng pip để cài đặt các thư viện cần thiết trong cuốn sách, nhưng một lần nữa, tùy thuộc vào việc bạn thích sử dụng conda hay bất kỳ lựa chọn thay thế nào khác Chúng tôi khuyên bạn nên tạo một môi trường conda trước, sau đó cài đặt các lib cần thiết ở đó
Bạn cần thực hiện các bước trên một lần. Sau đó kích hoạt môi trường
Và để chạy Jupyter
Chúng tôi cũng cung cấp tệp PDF có hình ảnh màu của ảnh chụp màn hình/sơ đồ được sử dụng trong cuốn sách này. Nhấn vào đây để tải về nó Những sảm phẩm tương tự
Làm quen với tác giảTarek Amr có 8 năm kinh nghiệm về khoa học dữ liệu và máy học. Sau khi hoàn thành chương trình sau đại học tại Đại học East Anglia, anh đã làm việc tại một số công ty khởi nghiệp và mở rộng quy mô ở Ai Cập và Hà Lan. Đây là cuốn sách thứ hai liên quan đến dữ liệu của ông. Cuốn sách trước đây của anh ấy là về trực quan hóa dữ liệu bằng D3. js. Anh ấy thích nói chuyện và viết về các khái niệm kinh doanh và khoa học máy tính khác nhau và giải thích chúng cho nhiều đối tượng hơn. Có thể liên hệ với anh ấy trên twitter tại @gr33ndata. Thầy rất sẵn lòng trả lời mọi câu hỏi liên quan đến cuốn sách này. Vui lòng liên hệ với anh ấy nếu bất kỳ phần nào của cuốn sách cần được làm rõ hoặc nếu bạn muốn thảo luận chi tiết hơn về bất kỳ khái niệm nào trong đó |