Python机器学习及实践:从零开始通往Kaggle竞赛之路 PDF 高清版

  • 更新时间:
  • 6007人关注
  • 点击下载

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Python、机器学习、Kaggle方面的内容,本书是由清华大学出版社出版,格式为PDF,资源大小48.3 MB,范淼,李超编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:8.9分。

资源详情相关推荐
Python机器学习及实践:从零开始通往Kaggle竞赛之路
  • 出版社:清华大学出版社
  • 作者:范淼,李超
  • 大小:48.3 MB
  • 类别:机器学习
  • 热度:539
  • 零起点Python足彩大数据与机器学习实盘分析
  • Python+Spark2.0+Hadoop机器学习与大数据实战
  • Python机器学习
  • python机器学习:Scikit-learn使用手册
  • 深入浅出Python机器学习
  • 书籍介绍

    Python机器学习及实践:从零开始通往Kaggle竞赛之路 PDF

    这书朝向全部对深度学习与大数据挖掘的实践活动及比赛很感兴趣的用户,重零开始,以Python计算机语言为基本,不在涉及到很多数学分析模型与繁杂程序编写专业知识的前提条件下,逐渐领着用户了解而且把握时下很时兴的深度学习、大数据挖掘与自然语言理解专用工具,如Scikitlearn、NLTK、Pandas、gensim、XGBoost、Google Tensorflow等。本书共有4章。靠前章介绍篇,详细介绍深度学习定义与Python程序编写专业知识;第2章基本篇,叙述怎么使用Scikitlearn做为基本深度学习专用工具;第3章实战篇,涉及到如何依靠非常好技术性或是实体模型全面提高具有深度学习系统软件的特性;第4章比赛篇,以Kaggle服务平台为另一半,协助用户一步一步应用这书详细介绍过的实体模型和方法,进行3项具备象征性的比赛每日任务。

    目录

    • 第1章简介篇
    • 1.1机器学习综述
    • 1.1.1任务
    • 1.1.2经验
    • 1.1.3性能
    • 1.2Python编程
    • 1.2.1为什么使?
    • 1.2.2Python机器学习的优势
    • 1.2.3NumPy&SciPy
    • 1.2.4Matplotlib
    • 1.2.5Scikit-learn
    • 1.2.6
    • 1.2.7An
    • 1.3Python环境配置
    • 1.3.1Windows系统环境
    • 1.3.2MacOS系统环境
    • 1.4Python编程基础
    • 1.4.1Python基本语法
    • 1.4.2Python数据类型
    • 1.4.3Python数据运算
    • 1.4.4Python流程控制
    • 1.4.5Python函数(模块)设计
    • 1.4.6Python编程库(包)的导入.
    • 1.4.7Python基础综合实践.
    • 1.5章末小结
    • 第2章基础篇
    • 2.1监督学习经典模型
    • 2.1.1分类学习
    • 2.1.1.1线性分类器
    • 2.1.1.2支持向量机(分类)
    • 2.1.1.3朴素贝叶斯
    • 2.1.1.4K近邻(分类)
    • 2.1.1.5决策树
    • 2.1.1.6集成模型(分类)
    • 2.1.2回归预测
    • 2.1.2.1线性回归器
    • 2.1.2.2支持向量机(回归)
    • 2.1.2.3K近邻(回归)
    • 2.1.2.4回归树
    • 2.1.2.5集成模型(回归)
    • 2.2无监督学习经典模型
    • 2.2.1数据聚类
    • 2.2.1.1K均值算法
    • 2.2.2特征降维
    • 2.2.2.1主成分分析
    • 2.3章末小结
    • 第3章进阶篇
    • 3.1模型实用技巧
    • 3.1.1特征提升
    • 3.1.2模型正则化
    • 3.1.3模型检验
    • 3.1.4超参数搜索
    • 3.2流行库/模型实践
    • 3.2.1自然语言处理包(NLTK)
    • 3.2.2词向量(Word2Vec)技术
    • 3.2.3XGBoost模型
    • 3.2.4Tensorflow框架
    • 3.3章末小结
    • 第4章实战篇
    • 4.1Kaggle平台简介
    • 4.2Titanic罹难乘客预测
    • 4.3IMDB影评得分估计
    • 4.4MNIST手写体数字图片识别.
    • 4.5章末小结.
    • 后记
    • 参考文献

    资源下载

    相关声明:

    《Python机器学习及实践:从零开始通往Kaggle竞赛之路 》PDF 高清版下载资源由用户 许元甲 于 2019-12-12 08:36:45 分享至百度网盘。仅供想学习机器学习的网友交流使用,专题参考:python机器学习Kaggle,机器学习,

    相关资源

    • 机器人Python极客编程入门与实战

      机器人Python极客编程入门与实战

      大小:25.8MBPython编程

      立即下载
    • Python与机器学习实战

      Python与机器学习实战

      本书用到Numpy这个基础的科学计算库来进行算法代码的实现,能够从实现的过程中更好地理解机器学习算法的细节,以及了解Numpy的各种应用,适用于想了解传统机器学习算法的学生和从业者等

      大小:182 MBPython算法

      立即下载
    • 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 MB机器学习

      立即下载
    • NLTK基础教程:用NLTK和Python库构建机器学习应用

      NLTK基础教程:用NLTK和Python库构建机器学习应用

      本书主要介绍如何通过NLTK库与一些Python库的结合从而实现复杂的NLP任务和机器学习应用。全书共分为10章。第1章对NLP进行了简单介绍。第2章、第3章和第4章主要介绍一些通用的预处理技术、专

      大小:9.87 MBNLTK

      立即下载
    • 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

      立即下载
    • 零起点Python机器学习快速入门

      零起点Python机器学习快速入门

      这本书采用独创的黑箱模式,MBA案例教学机制,结合一线实战案例,介绍Sklearn人工智能模块库和常用的机器学习算法,读完本书内容和配套的教学代码,就能够编写简单的机器学习函数

      大小:85.1 MB机器学习

      立即下载
    • 机器学习系统设计:Python语言实现

      机器学习系统设计:Python语言实现

      本书是一本设计高效机器学习系统的详实指南,介绍机器学习系统设计的整个过程,相关的Python库,并在各个知识环节中都给出了Python示例,欢迎下载

      大小:84.5 MBPython

      立即下载

    学习笔记

    8小时35分钟前回答

    python机器学习实战之树回归详解

    本文实例为大家分享了树回归的具体代码,供大家参考,具体内容如下 #-*- coding:utf-8 -*- #!/usr/bin/python ''''' 回归树 连续值回归预测 的 回归树 ''' # 测试代码 # import regTrees as RT RT.RtTreeTest() RT.RtTreeTest('ex0.txt') RT.RtTreeTest('ex2.txt') # import regTrees as RT RT.RtTreeTest('ex2.txt',ops=(10000,4)) # import regTrees as RT RT.pruneTest() # 模型树 测试 # import regTrees as RT RT.modeTreeTest(ops=(1,10) # 模型回归树和普通回归树 效果比较 计算相关系数 # import regTrees as RT RT.MRTvsSRT() from numpy import * # Tab 键值分隔的数据 提取成 列表数据集 成浮点型数据 def loadDataSet(fileName): # dataMat = [] # 目标数据集 列表 fr = open(fileName) for line in fr.readlines(): curLine = line.stri……

    14小时7分钟前回答

    Python机器学习算法之k均值聚类(k-means)

    一开始的目的是学习十大挖掘算法(机器学习算法),并用编码实现一遍,但越往后学习,越往后实现编码,越发现自己的编码水平低下,学习能力低。这一个k-means算法用Python实现竟用了三天时间,可见编码水平之低,而且在编码的过程中看了别人的编码,才发现自己对numpy认识和运用的不足,在自己的代码中有很多可以优化的地方,比如求均值的地方可以用mean直接对数组求均值,再比如去最小值的下标,我用的是argsort排序再取列表第一个,但是有argmin可以直接用啊。下面的代码中这些可以优化的并没有改,这么做的原因是希望做到抛砖引玉,欢迎大家丢玉,如果能给出优化方法就更好了 一.k-means算法……