Python機器學習實踐：測試驅動的開發方法

作者：(美)馬修·柯克(Matthew Kirk) 著

出版日期：2017年10月

文件大小：30.91M

支持設備：

￥40.00在線試讀

適用客戶端：

言商書局

iPad/iPhone客戶端：下載 Android客戶端：下載PC客戶端：下載更多詳情：查看

？對圖書下載、閱讀卡購買有疑問：立即進入幫助中心>>

圖書簡介

目錄

O’Reilly為軟件開發人員帶來革命性的“動物書”；創建第一個商業網站(GNN)；組織了影響深遠的開放源代碼峰會，以至于開源軟件運動以此命名；創立了Make雜志，從而成為DIY革命的主要先鋒；公司一如既往地通過多種形式締結信息與人的紐帶。O’Reilly的會議和峰會集聚了眾多超級極客和高瞻遠矚的商業領袖，共同描繪出開創新產業的革命性思想。作為技術人士獲取信息的選擇，O’Reilly現在還將先鋒專家的知識傳遞給普通的計算機用戶。無論是通過書籍出版，在線服務或者面授課程，每一項O’Reilly的產品都反映了公司不可動搖的理念——信息是激發創新的力量。

O’Reilly Media，Inc.介紹

作者介紹

封面介紹

譯者序

前言

第1章　可能近似正確的軟件

正確地編寫軟件

編寫正確的軟件

本書計劃

第2章　快速介紹機器學習

什么是機器學習

有監督學習

無監督學習

強化學習

機器學習能完成什么

本書中使用的數學符號

結論

第3章　K最近鄰算法

如何確定是否想購買一棟房子

房子的價格究竟幾何

愉悅回歸

什么是鄰域

K最近鄰算法簡介

K先生最近的鄰居

距離

維度災難

如何選擇K

給西雅圖的房子估價

結論

第4章　樸素貝葉斯分類

通過貝葉斯定理來發現欺詐訂單

條件概率

概率符號

反向條件概率(又名貝葉斯定理)

樸素貝葉斯分類器

貝葉斯推理之樸素

偽計數

垃圾郵件過濾器

標記化和上下文

結論

第5章　決策樹和隨機森林

蘑菇的細微差別

使用民間定理實現蘑菇分類

找到最佳切換點

修剪樹

結論

第6章　隱馬爾可夫模型

使用狀態機來跟蹤用戶行為

輸出/觀測隱含狀態

使用馬爾可夫假設化簡

隱馬爾可夫模型

評估：前向-后向算法

通過維特比算法解碼

學習問題

詞性標注與布朗語庫

結論

第7章　支持向量機

客戶滿意度作為語言的函數

SVM背后的理論

情緒分析器

聚合情緒

將情緒映射到底線

結論

第8章　神經網絡

什么是神經網絡

神經網絡史

布爾邏輯

感知器

如何構建前饋神經網絡

構建神經網絡

使用神經網絡來對語言分類

結論

第9章　聚類

無任何偏差的研究數據

用戶群組

測試群集映射

K均值聚類

最大期望(EM)聚類

不可能性定理

案例：音樂歸類

結論

第10章　模型改進與數據提取

辯論俱樂部

選擇更好的數據

最小冗余最大相關性的特征選擇

特征變換與矩陣分解

結論

第11章　將這些方法融合在一起：結論

機器學習算法回顧

如何使用這些信息來解決問題

下一步做什么

總結

以上是生活随笔為你收集整理的python可以开发驱动吗_Python机器学习实践：测试驱动的开发方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。