|
編輯推薦: |
近些年机器学习发展迅猛,早已从科研领域延伸到了商业领域,新技术和新应用不断涌现,其中Python语言光芒难掩。越来越多的开发者和研究人员选择了Python,Python也助推了机器学习和数据科学的发展。 本书是基于Python的机器学习指南,全面介绍了各种强大的机器学习技术,不仅清晰阐释了基本的算法和概念,而且运用丰富的Python代码示例展示了各种复杂算法的实现与应用,此外还介绍了如何使用流行的机器学习库和框架。对于想要了解数据科学领域中的新进展,以提高自身技能的Python开发人员、分析师和数据科学家来说,本书值得一读。 - 利用无监督学习技术识别数据集的内在模式与结构 - 掌握受限玻尔兹曼机和深度信念网络的工作原理 - 使用堆叠降噪自编码机构建深度架构 - 应用卷积神经网络解决图像分类问题 - 学习CPLE、自学习和S3VM等半监督学习技术 - 运用强大的特征工程技术提升模型性能 - 使用集成技术提升深度学习模型的效率 - 介绍Lasagne、TensorFlow等机器学习工具
|
內容簡介: |
Python是杰出的脚本语言,在速度、安全性和可扩展性等方面表现出众。在机器学习领域,越来越多的从业者也选择使用易于上手、功能强大的Python语言。本书依次介绍无监督机器学习、深度信念网络、堆叠式降噪自编码机、卷积神经网络、半监督学习技术、文本特征工程,模型集成方法,以及其他一些实用的Python机器学习工具。除了理论知识与代码实现,本书还细致讲解了分析和解决问题的思路,极具启发性。
|
關於作者: |
约翰哈蒂(John Hearty),数据科学家,数据科学和架构工程领域咨询专家,曾为微软、世嘉等公司提供咨询服务,致力于将机器学习前沿技术付诸实践,热衷于用Python构建机器学习解决方案。现任职于NuData Security公司。
|
|