实用机器学习

实用机器学习 PDF 高质量版

  • 大小:63.8 MB
  • 类型:机器学习
  • 格式:PDF
  • 出版:人民邮电出版社
  • 作者:孙亮、黄倩
  • 更新:2023-01-24 13:08:01
vip 立即下载( 63.8 MB )
关注公众号免费下载
版权投诉 / 资源反馈(本资源由用户 姜凯定 投稿)

为找资料的网友们整理了机器学习相关的资料,由人民邮电出版社出版,作者是孙亮、黄倩,介绍了关于机器学习方面,格式为PDF,资源大小63.8 MB,目前在机器学习类资源综合评分为:8.7分。

机器学习资源推荐

读者评价

网友NO.40259
许映安
个人学习机器学习的路线规划 1 最快的入门方式,就是先百度、必应一下,了解下机器学习的概念。2 推荐阅读《机器学习实战》了解下机器学习相关的算法。我之前也看过机械工业出版社的《机器学习》、也看过点周志华老师的《机器学习》,前一本概念太多,后一本公式也挺多。《机器学习实战》相对来说要好得多,先介绍点理论背景,在基于python介绍下算法的实现以及一两个案例。3 很多人都觉得机器学习需要很好的数学功底,于是学习机器学习前,先捧着高数、线代、概率论看,结果看了两天,觉得枯燥无味,就打算放弃。其实没必要的,结合上面的《机器学习实战》,遇到什么公式,进行相应的复习就行了,这也是为什么把数学放在第三个步骤。其实机器学习里面能理解高数的求导、线代的矩阵以及向量、概率的期望方差等就差不多了,其他有需要的话针对学习就行。4 学习机器学习肯定是要看吴恩达老师的公开课了,公开课的地址,我刚看了两集,感觉还是非常不错的。5 学习Spark MLLib相关的算法实现,如果有时间的话,可以看看源码。
网友NO.43519
桂妙意
从对机器学习充满好奇与畏惧,到对各种算法稍有理解以及围绕推荐场景的编码实践,算是对机器学习有了一个入门的体验。但是中间也踩过不少坑,比如啃过线性代数的教材、看过无聊的机器学习课程、追过高端的机器学习书籍、陷入一个算法无法自拔(最后也没整明白)...其实,学习机器学习没有那么难,也很容易走偏。
网友NO.25084
阚紫夏
出于许多充分的原因,许多高质量的机器学习教育资源往往对理论非常关注,尤其是在最开始打基础的时候。但是,现在的风气似乎变成了一开始就为了实践应用而学习。不过万幸,随着各种资源的进步,理论和实践也随之融合的更加紧密。

书籍介绍

读者评价

很快读完异步社区的样章后火速下单。行文流畅,架构内容都很好。讲了机器学习常用四大类算法的基本原理、适用场景、评价标准还有相应的R程序实践。很务实,实际操作性强。可能太务实了,没有和时下一些大热的关键词,没有讲最流行的语言和工具,因此关注度不高

本书适合Python 程序员、数据分析人员、对算法感兴趣的读者、机器学习领域的从业人员及科研人员阅读。

一本用Python实现机器学习的项目集。里面细致地记录了用Python的各种库实现这些小项目的过程。在有了机器学习基础和熟悉常见的数据处理Python库后,看一下还行。

这本书不厚,但却覆盖了用机器学习技术解决实际问题的主要步骤和常用算法。考虑到实践中大家更关注的是如何选择和使用算法,两位作者还使用R语言软件包来引导读者实际操作。与市面上对机器学习作一般性介绍的书籍相比,本书介绍的算法稍稍复杂一些,但也更加实用,书中讨论的内容正是实际应用机器学习解决问题时所需要掌握的内容。对于广大业界爱好者和相关专业研究生来说,这是一本理想的入门读物和参考书,因此我非常乐意向大家推荐本书。 ——叶杰平 滴滴研究院副院长、密歇根大学终身教授

这是一本非常贴近实际应用的机器学习著作。两位作者根据多年的一线科研和工程实践经验,选取了zui典型的一些机器学习算法,既通俗易懂地介绍了原理,又给出了公开数据集上的R语言实践。行文风格方面,本书兼顾了高校师生和工程技术人员的实际需求,在理论与实践之间达成了一个较好的平衡,因此具有广泛的适用性,值得推荐。 ——陈震中 国家青年千人计划专家、武汉大学教授

现有的机器学习书籍有些侧重于算法原理的讲解,对具体实现介绍得很少;有些侧重于基本概念和算法的实现,易于上手但难于把握算法原理的精妙细节之处。本书淡化了对数学背景知识的要求,突出了对常用算法的通俗讲解和基于R软件包的实现,便于读者快速上手,是一本不可多得的机器学习教材和自学参考书,“实用”二字实至名归。 ——闫胜业 南京信息工程大学教授

本书从解决实际问题的角度介绍了五类常用的机器学习模型,包括回归模型、分类模型、推荐模型、排序模型和集成学习模型。作者不仅介绍了模型的基本原理,还介绍了特征工程、模型评价和选择等相关的知识。内容有深度但通俗易懂,有广度但不一味求全,具有很强的实用性。本书既适合机器学习初学者,也可以作为企业机器学习项目研发的参考书。 ——李武军 南京大学副教授、博士生导师

越来越多的岗位要求机器学习方面的专业知识。每年都有一些机器学习专业的应届毕业生加入我们的团队,但是我们发现很多人在如何应用机器学习解决实际问题方面还存在知识缺失的问题。这本书从要解决的问题类型出发,介绍了机器学习的各种基本概念以及那些zui实用的算法,并全面阐述了使用机器学习解决问题的全过程,娓娓道来而又深入浅出,对于初学者来说是一本很好的入门读物,对于广大的机器学习从业者来说也是一本很好的参考书。尽管本人从事机器学习的研究和应用多年,但是阅读此书也感到受益匪浅。 ——唐磊 Clari首席数据科学家

很高兴孙亮博士和黄倩博士将他们在工业界多年应用机器学习积累的相关经验和成果整理出来,值得向大家强烈推荐这本书。在我们的工作实践中,所遇到的大部分问题不外乎回归、分类、推荐、排序诸类,而集成学习是我们在建模过程中使用zui多的一类算法。本书系统地讲解了适用于这些问题的常用算法,并且介绍了R中相应的软件包。就实用性而言,是一本非常贴近实战的不可多得的好书。 ——戚晓光 微软高级数据科学

内容介绍

大数据时代为机器学习的应用提供了广阔的空间,各行各业涉及数据分析的工作都需要使用机器学习算法。本书围绕实际数据分析的流程展开,着重介绍数据探索、数据预处理和常用的机器学习算法模型。本书从解决实际问题的角度出发,介绍回归算法、分类算法、推荐算法、排序算法和集成学习算法。在介绍每种机器学习算法模型时,书中不但阐述基本原理,而且讨论模型的评价与选择。为方便读者学习各种算法,本书介绍了R语言中相应的软件包并给出了示例程序。
本书的一大特色就是贴近工程实践。首先,本书仅侧重介绍当前工业界常用的机器学习算法,而不追求知识内容的覆盖面;其次,本书在介绍每类机器学习算法时,力求通俗易懂地阐述算法思想,而不追求理论的深度,让读者借助代码获得直观的体验。

目录

  • 第1章  引论
  • 第2章  R语言
  • 第3章  数学基础
  • 第4章  数据探索和预处理
  • 第5章  回归分析
  • 第6章  分类算法
  • 第7章  推荐算法
  • 第8章  排序学习
  • 第9章  集成学习

以上就是本次关于书籍资源的介绍和部分内容,我们还整理了以往更新的其它相关电子书资源内容,可以在下方直接下载,关于相关的资源我们在下方做了关联展示,需要的朋友们也可以参考下。

机器学习相关资源

  • 《机器学习:实用案例解析》源代码及数据集

    《机器学习:实用案例解析》源代码及数据集

    当今各行业,尤其是互联网,数据规模越来越大,要从中有效地发现模式来提高生产力,用传统的方式已经几乎不可能,只能借助计算机来完成诸多使命。因此,机器学习这一新兴的学科变得越来越重要,它已经在搜索、推荐、数据挖掘等多个领域闪耀光芒。机器学习是一门交叉学科,内容涉及概率论、统计学、高等数学、计算机科学等多门学科。该学科致力于设计一种让计算机具有学习能力的算法,通过发现经验数据中隐藏的模式,实现对未知数据的

    大小:1.7 MB机器学习配套资源

  • Scikit-Learn与TensorFlow机器学习实用指南

    Scikit-Learn与TensorFlow机器学习实用指南

    大小:69.7 MBTensorFlow电子书

  • 机器学习实践指南:案例应用解析

    机器学习实践指南:案例应用解析

    机器学习实践指南:案例应用解析 作者:麦好 著 出版时间:2014年版 《机器学习实践指南:案例应用解析》是机器学习及数据分析领域不可多得的一本著作,也是为数不多的既有大量实践应用案例又包含算法理论剖析的著作,作者针对机器学习算法既抽象复杂又涉及多门数学学科的特点,力求理论联系实际,始终以算法应用为主线,由浅入深以全新的角度诠释机器学习。全书分为准备篇、基础篇、统计分析实战篇和机器学习实战篇。准备篇介绍了机器学

    大小:102.22MB机器学习电子书

  • 《机器学习与R语言实战》源码

    《机器学习与R语言实战》源码

    数据的采集、聚集以及可视化仅仅是数据分析整体工程的一部分,要从海量数据中抽取出有价值的信息是目前大数据应用领域一项新的并且有挑战性的工作。作为大数据的技术基石,机器学习这一新兴学科虽然已经被越来越多的人们所认识,但由于学科自身的交叉性,许多算法往往让人觉得复杂和难以理解。本书作者作为一名资深的数据科学家,借助当前机器学习和数据分析领域最常用的工具R语言,分享了其在数据分析领域实践机器学习算法的诸多心得

    大小:2.77 MB机器学习配套资源

  • Python机器学习经典实例

    Python机器学习经典实例

    《Python机器学习经典实例》首先通过实用的案例介绍机器学习的基础知识,然后介绍一些稍微复杂的机器学习算法,例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网

    大小:27.3MPython机器学习电子书

  • Python机器学习算法

    Python机器学习算法

    这是一本机器学习入门读物,注重理论与实践的结合,以典型的机器学习算法为例,从算法原理出发,由浅入深,详细介绍算法的理论,并配合目前流行的Python语言,从零开始,增强实际的算法实践能力

    大小:30.1 MBPython机器学习电子书

  • 机器学习项目开发实战

    机器学习项目开发实战

    本书通过一系列有趣的实例,由浅入深地介绍了机器学习这一炙手可热的新领域,并且详细介绍了适合机器学习开发的Microsoft F#语言和函数式编程,引领读者深入了解机器学习的基本概念、核

    大小:180 MB机器学习电子书

资源下载

机器学习学习笔记

1小时31分钟前回答

Python 机器学习库 NumPy入门教程

NumPy是一个Python语言的软件包,它非常适合于科学计算。在我们使用Python语言进行机器学习编程的时候,这是一个非常常用的基础库。 本文是对它的一个入门教程。 介绍 NumPy是一个用于科技计算的基础软件包,它是Python语言实现的。它包含了: 强大的N维数组结构 精密复杂的函数 可集成到C/C++和Fortran代码的工具 线性代数,傅里叶变换以及随机数能力 除了科学计算的用途以外,……

6小时39分钟前回答

机器学习python实战之手写数字识别

看了上一篇内容之后,相信对K近邻算法有了一个清晰的认识,今天的内容——手写数字识别是对上一篇内容的延续,这里也是为了自己能更熟练的掌握k-NN算法。 我们有大约2000个训练样本和1000个左右测试样本,训练样本所在的文件夹是trainingDigits,测试样本所在的文件夹是testDigits。文本文件中是0~9的数字,但是是用二值图表示出来的,如图。我们要做的就是使用训练样本训练模……

18小时20分钟前回答

Python机器学习降低静态日志噪声实例方法

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……