自動(dòng)機(jī)器學(xué)習(xí)入門與實(shí)踐：使用Python

定　價(jià)：￥72.90

作　者：	西班揚(yáng)·達(dá)斯，烏米特·卡卡馬克
出版社：	華中科技大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

京東 (￥72.90)

ISBN：	9787568049528	出版時(shí)間：	2019-12-01	包裝：
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	248	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　AutoML可以將部分機(jī)器學(xué)習(xí)過(guò)程自動(dòng)化，減輕數(shù)據(jù)科學(xué)從業(yè)者的工作負(fù)擔(dān)，深受高級(jí)分析人員的喜愛(ài)。本書介紹搭建AutoML模塊的基礎(chǔ)知識(shí)，并通過(guò)練習(xí)幫助讀者消化這些知識(shí)。讀者將學(xué)習(xí)使用機(jī)器學(xué)習(xí)流水線自動(dòng)實(shí)現(xiàn)數(shù)據(jù)預(yù)處理、特征選擇、模型訓(xùn)練、模型優(yōu)化等任務(wù)，學(xué)習(xí)應(yīng)用auto-sklearn和MLBox等已有的自動(dòng)化庫(kù)，并且創(chuàng)建和擴(kuò)展自定義的AutoML環(huán)節(jié)。閱讀本書，你將對(duì)AutoML有更清晰的認(rèn)識(shí)，能利用真實(shí)數(shù)據(jù)集完成自動(dòng)化任務(wù)。書中知識(shí)可運(yùn)用到實(shí)際的機(jī)器學(xué)習(xí)項(xiàng)目中，或者在機(jī)器學(xué)習(xí)競(jìng)賽中助你一臂之力。

作者簡(jiǎn)介

　　Sibanjan Das是業(yè)界資深數(shù)據(jù)科學(xué)顧問(wèn)，是廣獲好評(píng)的《Data Science Using Oracle Data Miner and Oracle R Enterprise》一書作者。

圖書目錄

第1章 AutoML簡(jiǎn)介 1 1.1 機(jī)器學(xué)習(xí)的范圍 2 1.2 什么是AutoML 4 1.3 為什么和怎么用AutoML 10 1.4 何時(shí)需要將機(jī)器學(xué)習(xí)自動(dòng)化 11 1.5 能學(xué)到什么 11 1.6 AutoML庫(kù)概述 13 1.7 總結(jié) 23 第2章 Python機(jī)器學(xué)習(xí)簡(jiǎn)介 25 2.1 技術(shù)要求 26 2.2 機(jī)器學(xué)習(xí) 26 2.3 線性回歸 28 2.4 重要評(píng)估指標(biāo)——回歸算法 37 2.5 邏輯回歸 39 2.6 重要評(píng)估指標(biāo)——分類算法 44 2.7 決策樹(shù) 46 2.8 支持向量機(jī) 49 2.9 K近鄰算法 52 2.10 集成方法 54 2.11 分類器結(jié)果對(duì)比 59 2.12 交叉驗(yàn)證 60 2.13 聚類 61 2.14 總結(jié) 66 第3章數(shù)據(jù)預(yù)處理 67 3.1 技術(shù)要求 68 3.2 數(shù)據(jù)轉(zhuǎn)換 68 3.3 特征選擇 97 3.4 特征生成 103 3.5 總結(jié) 105 第4章自動(dòng)化算法選擇 107 4.1 技術(shù)要求 108 4.2 計(jì)算復(fù)雜度 108 4.3 訓(xùn)練時(shí)間和推理時(shí)間的區(qū)別 110 4.4 線性與非線性 119 4.5 必要特征轉(zhuǎn)換 124 4.6 監(jiān)督機(jī)器學(xué)習(xí) 125 4.7 無(wú)監(jiān)督AutoML 132 4.8 總結(jié) 157 第5章超參數(shù)優(yōu)化 159 5.1 技術(shù)要求 160 5.2 超參數(shù) 161 5.3 熱啟動(dòng) 173 5.4 貝葉斯超參數(shù)優(yōu)化 174 5.5 示例系統(tǒng) 175 5.6 總結(jié) 178 第6章創(chuàng)建AutoML流水線 179 6.1 技術(shù)要求 180 6.2 機(jī)器學(xué)習(xí)流水線簡(jiǎn)介 180 6.3 簡(jiǎn)單的流水線 182 6.4 函數(shù)轉(zhuǎn)換器 184 6.5 復(fù)雜流水線 187 6.6 總結(jié) 190 第7章深度學(xué)習(xí)探究 191 7.1 技術(shù)要求 192 7.2 神經(jīng)網(wǎng)絡(luò)概覽 192 7.3 使用Keras的前饋神經(jīng)網(wǎng)絡(luò) 198 7.4 自編碼器 201 7.5 卷積神經(jīng)網(wǎng)絡(luò) 205 7.6 總結(jié) 210 第8章機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)項(xiàng)目的重點(diǎn) 211 8.1 機(jī)器學(xué)習(xí)搜索 211 8.2 機(jī)器學(xué)習(xí)的權(quán)衡 221 8.3 典型數(shù)據(jù)科學(xué)項(xiàng)目的參與模型 222 8.4 參與模型的階段 223 8.5 總結(jié) 228 作者簡(jiǎn)介 230 索引 231