机器学习实践应用

给大家带来的一篇关于机器学习相关的电子书资源，介绍了关于机器学习、实践应用方面的内容，本书是由人民邮电出版社出版，格式为PDF，资源大小38.6 MB，李博编写，目前豆瓣、亚马逊、当当、京东等电子书综合评分为：7.6。

内容介绍

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度等多门学科，专门研究计算机怎样模拟或实现人类的学习行为。机器学习是人工智能的核心，是使计算机具有智能的根本途径。

机器学习实践应用通过对机器学习的背景知识、算法流程、相关工具、实践案例以及知识图谱等内容的讲解，全面介绍了机器学习的理论基础和实践应用。书中涉及机器学习领域的多个典型算法，并详细给出了机器学习的算法流程。

本书适合任何有一定数据功底和编程基础的读者阅读。通过阅读本书，读者不仅可以了解机器学习的理论基础，也可以参照一些典型的应用案例拓展自己的专业技能。同时，本书也适合计算机相关专业的学生以及对人工智能和机器学习感兴趣的读者阅读。

目录

• 第1部分 背景知识
• 第1章 机器学习概述 3
• 第2部分 算法流程
• 第2章 场景解析 25
• 第3章 数据预处理 32
• 第4章 特征工程 44
• 第5章 机器学习算法——常规算法 63
• 第6章 机器学习算法——深度学习 146
• 第3部分 工具介绍
• 第7章 常见机器学习工具介绍 161
• 第4部分 实战应用
• 第8章 业务解决方案 209
• 第5部分 知识图谱
• 第9章 知识图谱 257

学习笔记

Python机器学习logistic回归代码解析

本文主要研究的是Python机器学习logistic回归的相关内容，同时介绍了一些机器学习中的概念，具体如下。 Logistic回归的主要目的 ：寻找一个非线性函数sigmod最佳的拟合参数 拟合、插值和逼近是数值分析的三大工具 回归： 对一直公式的位置参数进行估计 拟合 ：把平面上的一些系列点，用一条光滑曲线连接起来 logistic主要思想： 根据现有数据对分类边界线建立回归公式、以此进行分类 sigmoid函数： 在神经网络中它是所谓的激励函数。当输入大于0时，输出趋向于1，输入小于0时，输出趋向0，输入为0时，输出为0.5 梯度上升 ：要找到某个函数的最大值，最好的方法是沿着该函数的梯度方向探寻 收敛： 随着……

python机器学习库scikit-learn：SVR的基本应用

scikit-learn是python的第三方机器学习库，里面集成了大量机器学习的常用方法。例如：贝叶斯，svm，knn等。 scikit-learn的官网 ： http://scikit-learn.org/stable/index.html点击打开链接 SVR是支持向量回归(support vector regression)的英文缩写，是支持向量机(SVM)的重要的应用分支。 scikit-learn中提供了基于libsvm的SVR解决方案。 PS:libsvm是台湾大学林智仁教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包。 我们自己随机产生一些值，然后使用sin函数进行映射，使用SVR对数据进行拟合 from __future__ import divisionimport timeimport numpy as npfrom sklearn.svm import SVRfrom sklearn.model_selection import GridSearchCVfrom sklearn.mode……

使用Python机器学习降低静态日志噪声

持续集成(CI)作业可以产生大量的数据。当作业失败时，找出了什么问题可能是一个繁琐的过程，需要对日志进行调查以发现根本原因-这通常是在作业总输出的一小部分中发现的。为了更容易地将最相关的数据从其他数据中分离出来，日志还原机器学习模型使用以前成功的作业运行来训练，以从失败的运行日志中提取异常。 此原则也可应用于其他用例，例如，从期刊或其他系统范围的常规日志文件。 利用机器学习降低噪声 一个典型的日志文件包含许多名义事件(“基线”)以及一些与开发人员相关的异常。基线可能包含难以检测和删除的随机元素，如时间戳或唯一标识符。要删除基线事件，我们可以使……

PHP机器学习库php-ml的简单测试和使用方法

php-ml是一个使用PHP编写的机器学习库。虽然我们知道，python或者是C++提供了更多机器学习的库，但实际上，他们大多都略显复杂，配置起来让很多新手感到绝望。 php-ml这个机器学习库虽然没有特别高大上的算法，但其具有最基本的机器学习、分类等算法，我们的小公司做一些简单的数据分析、预测等等都是够用的。我们的项目中，追求的应该是性价比，而不是过分的效率和精度。一些算法和库看上去非常厉害，但如果我们考虑快速上线，而我们的技术人员没有机器学习方面的经验，那么复杂的代码和配置反而会拖累我们的项目。而如果我们本身就是做一个简单的机器学习应用，那么研究复杂库和算法……

给你选择Python语言实现机器学习算法的三大理由

基于以下三个原因，我们选择Python作为实现机器学习算法的编程语言：(1) Python的语法清晰；(2) 易于操作纯文本文件；(3) 使用广泛，存在大量的开发文档。 可执行伪代码 Python具有清晰的语法结构，大家也把它称作可执行伪代码（executable pseudo-code）。默认安装的Python开发环境已经附带了很多高级数据类型，如列表、元组、字典、集合、队列等，无需进一步编程就可以使用这些数据类型的操作。使用这些数据类型使得实现抽象的数学概念非常简单。此外，读者还可以使用自己熟悉的编程风格，如面向对象编程、面向过程编程、或者函数式编程。不熟悉Python的读者可以参阅附录A，该附录详细介绍了Python语……

以上就是本次介绍的机器学习电子书的全部相关内容，希望我们整理的资源能够帮助到大家，感谢大家对码农之家的支持。

上一篇：游戏编程算法与技巧

下一篇：高级C/C++编译技术