当前位置:首页 > 人工智能 >
《机器学习:Python实践》电子书封面

机器学习:Python实践

  • 发布时间:2019年05月23日 20:38:37
  • 作者:魏贞原
  • 大小:124.7 MB
  • 类别:人工智能电子书
  • 格式:PDF
  • 版本:原书完整版
  • 评分:9.2

    机器学习:Python实践 PDF 原书完整版

      给大家带来的一篇关于人工智能相关的电子书资源,介绍了关于机器学习、Python实践方面的内容,本书是由电子工业出版社出版,格式为PDF,资源大小124.7 MB,魏贞原编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:9.2分

      Tags:机器学习 Python实践 

      内容介绍

      机器学习:Python实践

      机器学习:Python实践

      读者评价

      基于python3,和scikit learn框架,讲述了用python进行机器学习项目的解决方法,特别好。但是对于机器学习的理论,讲述非常浅,但是易于上手
      讲得很浅,基本上就是过了一下流程,但是每个都没有深入,也只适合刚入门的看一下流程,有个基本概念。
      代码可以直接上手,入门看不错
      首先肯定优点,这本书简单易学,可操作性强,上手就能用,内容组织条理清晰,把分类回归问题的一般化流程写的很明确,适合初学者。
      再说说不足,首先,内容上完全没有涉及到除分类回归外的其他内容(最后附录中提到了一个Kmean的聚类),机器学习可不止有这两大方面,其次,很多地方并没有解释的很清楚,特别是参数,只是让这样做,却没有提到为什么要这样。
      总体而言,可提升性还是很高的,期待作者的下一本书。

      内容介绍

      《机器学习——Python实践》系统地讲解了机器学习的基本知识,以及在实际项目中使用机器学习的基本步骤和方法;详细地介绍了在进行数据处理、分析时怎样选择合适的算法,以及建立模型并优化等方法,通过不同的例子展示了机器学习在具体项目中的应用和实践经验,是一本非常好的机器学习入门和实践的书籍。

      不同于很多讲解机器学习的书籍,本书以实践为导向,使用 scikit-learn 作为编程框架,强调简单、快速地建立模型,解决实际项目问题。读者通过对《机器学习——Python实践》的学习,可以迅速上手实践机器学习,并利用机器学习解决实际问题。

      《机器学习——Python实践》非常适合于项目经理、有意从事机器学习开发的程序员,以及高校相关专业在的读学生阅读。

      目录

      • 第一部分 初始
      • 1 初识机器学习 2
      • 2 Python 机器学习的生态圈 7
      • 3 第一个机器学习项目 13
      • 4 Python 和 SciPy 速成 25
      • 第二部分 数据理解
      • 5 数据导入 44
      • 6 数据理解 48
      • 7 数据可视化 55
      • 第三部分 数据准备
      • 8 数据预处理 64
      • 9 数据特征选定 71
      • 第四部分 选择模型
      • 10 评估算法 78
      • 11 算法评估矩阵 85
      • 12 审查分类算法 97
      • 13 审查回归算法 106
      • 14 算法比较 115
      • 15 自动流程 119
      • 第五部分 优化模型
      • 16 集成算法 124
      • 17 算法调参 133
      • 第六部分 结果部署
      • 18 持久化加载模型 138
      • 第七部分 项目实践
      • 19 预测模型项目模板 144
      • 20 回归项目实例 150
      • 21 二分类实例 170
      • 22 文本分类实例 192

      读书笔记

      Python基于回溯法子集树模板实现图的遍历功能示例

      本文实例讲述了Python基于回溯法子集树模板实现图的遍历功能。分享给大家供大家参考,具体如下:

      问题

      一个图:

      A --> B
      A --> C
      B --> C
      B --> D
      B --> E
      C --> A
      C --> D
      D --> C
      E --> F
      F --> C
      F --> D

      从图中的一个节点E出发,不重复地经过所有其它节点后,回到出发节点E,称为一条路径。请找出所有可能的路径。

      分析

      将这个图可视化如下:

      Python基于回溯法子集树模板实现图的遍历功能示例

      本问题涉及到图,那首先要考虑图用那种存储结构表示。邻接矩阵、邻接表、...都不太熟。

      前面这篇文章//www.jb51.net/article/122927.htm有一种最简洁的邻接表表示方式。

      接下来对问题本身进行分析:

      显然,问题的解的长度是固定的,亦即所有的路径长度都是固定的:n(不回到出发节点) 或 n+1(回到出发节点)

      每个节点,都有各自的邻接节点。

      对某个节点来说,它的所有邻接节点,可以看作这个节点的状态空间。遍历其状态空间,剪枝,深度优先递归到下一个节点。搞定!

      至此,很明显套用回溯法子集树模板。

      代码:

      '''
      图的遍历
      从一个节点出发,不重复地经过所有其它节点后,回到出发节点。找出所有的路径
      '''
      # 用邻接表表示图
      n = 6 # 节点数
      a,b,c,d,e,f = range(n) # 节点名称
      graph = [
        {b,c},
        {c,d,e},
        {a,d},
        {c},
        {f},
        {c,d}
      ]
      x = [0]*(n+1) # 一个解(n+1元数组,长度固定)
      X = []     # 一组解
      # 冲突检测
      def conflict(k):
        global n,graph,x
        # 第k个节点,是否前面已经走过
        if k < n and x[k] in x[:k]:
          return True
        # 回到出发节点
        if k == n and x[k] != x[0]:
          return True
        return False # 无冲突
      # 图的遍历
      def dfs(k): # 到达(解x的)第k个节点
        global n,a,b,c,d,e,f,graph,x,X
        if k > n: # 解的长度超出,已走遍n+1个节点 (若不回到出发节点,则 k==n)
          print(x)
          #X.append(x[:])
        else:
          for node in graph[x[k-1]]: # 遍历节点x[k]的邻接节点(x[k]的所有状态)
            x[k] = node
            if not conflict(k): # 剪枝
              dfs(k+1)
      # 测试
      x[0] = e # 出发节点
      dfs(1)  # 开始处理解x中的第2个节点
      
      

      效果图:

      Python基于回溯法子集树模板实现图的遍历功能示例

      更多关于Python相关内容可查看本站专题:《Python数据结构与算法教程》、《Python Socket编程技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

      希望本文所述对大家Python程序设计有所帮助。

      以上就是本次介绍的人工智能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:Excel VBA程序开发自学宝典

      下一篇:自然语言处理综论(第2版)

      展开 +

      收起 -

      下载地址:百度网盘下载
      人工智能 相关电子书
      Python机器学习实践指南
      Python机器学习实践指南 PDF 高清版

      机器学习是近年来渐趋热门的一个领域,同时Python 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。 Python机器学习实践指南 结合了机器学习和Python 语言两个热门的领域,通过利用

      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 PDF 高清版

      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

      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 PDF 完整中文版

      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

      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 PDF 原书超清版

      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

      立即下载
      机器学习:使用OpenCV和Python进行智能图像处理
      机器学习:使用OpenCV和Python进行智能图像处理 PDF 完整英文版

      OpenCV是1个综合性了經典和优秀计算机视觉、机器学习算法的开源系统库。根据与PythonAnaconda版本号融合,我也能够 获得你所必须的全部开源系统测算库。 这书最先详细介绍归类和重归等统计分

      立即下载
      python机器学习 Scikit-learn使用手册
      python机器学习 Scikit-learn使用手册 PDF 原书扫描版

      scikit-learn是在Python中进行机器学习简单且高效的工具可用于数据挖掘和数据分析,这里提供Scikit-learn 使用手册,欢迎下载

      立即下载
      读者心得
      98小时50分钟前回答

      Python中实现机器学习功能的四种方法介绍

      本篇文章给大家带来的内容是关于Python中实现机器学习功能的四种方法介绍,有一定的参考价值,有需要的朋友可以参考一下,希望对你有所帮助。 在本文中,我们将介绍从数据集中选择要素的不同方法; 并使用Scikit-learn(sklearn)库讨论特征选择算法的类型及其在Python中的实现 : 单变量特征选择 递归特征消除(RFE) 主成分分析(PCA) 特征选择 (feature importance) 单变量特征选择 统计测试可用于选择与输出变量具有最强关系的那些特征。 scikit-learn库提供SelectKBest类,可以与一组不同的统计测试一起使用,以选择特定数量的功能。 以下示例使用chi平方( chi ^ 2 )统计检验非负特征来选择Pima Indians糖尿病数据……

      网友NO.33386
      网友NO.33386

      Pyhton基础与实践 主要介绍Python语言中一些基础但又很重要的知识,python对象、函数、类、正则表达式、编码转换等。 对象 一切皆对象 Python中一切皆为对象,每个对象都包含一个标准头,头信息由 "引用计数" 和 "类型指针" 组成。 "引用计数"为PVM中主要的垃圾回收机制,每当对象被引用时增加,超出作用域或调用del手工释放后递减,计数为0时被回收; 通过"类型指针"可明确知道对象的类型,指向Type对象,包含了其继承关系以及静态成员信息; 可使用sys.getrefcount(x)来查看对象的引用计数; type(x)和x.__class__可查看对象类型; hex(id(x))返回对象内存地址; 对于变长对象,其头部会多出一个记录元素数量的字段;

      网友NO.29700
      网友NO.29700

      程序流程 ​ 我认为写程序是是爬虫的第三步,最重要的是!==定义问题== ,只有定义了你需要的内容,才好去搜索,去找需要的网页,根据网页的内容,编写程序,所以大概流程是这样: ​ 定义问题—>寻找需要的网页—>分析网页结构(反爬等)—->程序1.0—>循环测试—>获取结果—>保存结果

      码农之家

      熊笑萍 提供上传

      资源
      34
      粉丝
      8
      喜欢
      262
      评论
      6

      Copyright 2018-2021 www.xz577.com 码农之家

      版权投诉 / 书籍推广:520161757@qq.com