Магазин `Купить с доставкой`

Доставка до пунктов выдачи или почтой.

TwitterRSS

Python
ISBN 978-1-492-04754-4



Этот карманный справочник, содержащий подробные комментарии, таблицы и примеры, поможет вам ориентироваться в основах структурированного машинного обучения. Автор, Мэтт Харрисон, предлагает ценный учебник, который вы можете использовать как дополнительное пособие при обучении и как удобный ресурс для работы над своим следующим проектом машинного обучения.
В этой книге, идеально подходящей для программистов, аналитиков данных и инженеров искусственного интеллекта, также содержатся обзор процесса машинного обучения и классификация структурированных данных. Кроме всего прочего, с ее помощью вы изучите методы кластеризации, регрессии и уменьшения размерности.
Основные темы книги:
- Классификация с использованием набора данных Titanic;
- Как очистить данные и справиться с их недостатком;
- Разведочный анализ данных;
- Общие этапы предварительной обработки с использованием выборки данных;
- Выбор признаков, полезных для модели;
- Выбор модели;
- Оценка метрики и классификации;
- Примеры регрессии с использованием нескольких методов машинного обучения;
- Метрики для оценки регрессии;
- Кластеризация;
- Уменьшение размерности;
- Конвейеры Scikit-learn.

Машинное обучение. Карманный справочник. Краткое руководство по методам структурированного машинного обучения на Python

Производитель: Диалектика / Вильямс

Цена: 1477.00 руб.

Описание:
Этот карманный справочник, содержащий подробные комментарии, таблицы и примеры, поможет вам ориентироваться в основах структурированного машинного обучения. Автор, Мэтт Харрисон, предлагает ценный учебник, который вы можете использовать как дополнительное пособие при обучении и как удобный ресурс для работы над своим следующим проектом машинного обучения. В этой книге, идеально подходящей для программистов, аналитиков данных и инженеров искусственного интеллекта, также содержатся обзор процесса машинного обучения и классификация структурированных данных. Кроме всего прочего, с ее помощью вы изучите методы кластеризации, регрессии и уменьшения размерности. Основные темы книги: - Классификация с использованием набора данных Titanic; - Как очистить данные и справиться с их недостатком; - Разведочный анализ данных; - Общие этапы предварительной обработки с использованием выборки данных; - Выбор признаков, полезных для модели; - Выбор модели; - Оценка метрики и классификации; - Примеры регрессии с использованием нескольких методов машинного обучения; - Метрики для оценки регрессии; - Кластеризация; - Уменьшение размерности; - Конвейеры Scikit-learn.



Отобрано товаров 1
(c) nzrv.ru

Яндекс.Метрика