-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

Python機器學習實踐指南

( 簡體 字)
作者:[美] Alexander T. Combs類別:1. -> 程式設計 -> Python
   2. -> 程式設計 -> 機器學習
譯者:
出版社:人民郵電出版社Python機器學習實踐指南 3dWoo書號: 46677
詢問書籍請說出此書號!

缺書
NT售價: 345

出版日:4/1/2017
頁數:251
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787115449061
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

內容簡介:

  機器學習是近年來漸趨熱門的一個領域,同時Python 語言經過一段時間的發展也已逐漸成為主流的編程語言之一。本書結合了機器學習和Python 語言兩個熱門的領域,通過利用兩種核心的機器學習算法來將Python 語言在數據分析方面的優勢發揮到極致。
全書共有10 章。第1 章講解了Python 機器學習的生態系統,剩余9 章介紹了眾多與機器學習相關的算法,包括各類分類算法、數據可視化技術、推薦引擎等,主要包括機器學習在公寓、機票、IPO 市場、新聞源、內容推廣、股票市場、圖像、聊天機器人和推薦引擎等方面的應用。
本書適合Python 程序員、數據分析人員、對算法感興趣的讀者、機器學習領域的從業人員及科研人員閱讀。
目錄:


目 錄
第1章Python機器學習的生態系統 1
1.1 數據科學/機器學習的工作
流程 2
1.1.1 獲取 2
1.1.2 檢查和探索 2
1.1.3 清理和準備 3
1.1.4 建模 3
1.1.5 評估 3
1.1.6 部署 3
1.2 Python庫和功能 3
1.2.1 獲取 4
1.2.2 檢查 4
1.2.3 準備 20
1.2.4 建模和評估 26
1.2.5 部署 34
1.3 設置機器學習的環境 34
1.4 小結 34
第2章構建應用程序,發現低價的
公寓 35
2.1 獲取公寓房源數據 36
使用import.io抓取房源
數據 36
2.2 檢查和準備數據 38
2.2.1 分析數據 46
2.2.2 可視化數據 50
2.3 對數據建模 51
2.3.1 預測 54
2.3.2 擴展模型 57
2.4 小結 57
第3章構建應用程序,發現低價的
機票 58
3.1 獲取機票價格數據 59
3.2 使用高級的網絡爬蟲技術
檢索票價數據 60
3.3 解析DOM以提取定價數據 62
通過聚類技術識別
異常的票價 66
3.4 使用IFTTT發送實時提醒 75
3.5 整合在一起 78
3.6 小結 82
第4章使用邏輯回歸預測IPO市場 83
4.1 IPO市場 84
4.1.1 什么是IPO 84
4.1.2 近期IPO市場表現 84
4.1.3 基本的IPO策略 93
4.2 特征工程 94
4.3 二元分類 103
4.4 特征的重要性 108
4.5 小結 111
第5章創建自定義的新聞源 112
5.1 使用Pocket應用程序,創建一個監督訓練的集合 112
5.1.1 安裝Pocket的Chrome
擴展程序 113
5.1.2 使用Pocket API來檢索
故事 114
5.2 使用embed.ly API下載故事的
內容 119
5.3 自然語言處理基礎 120
5.4 支持向量機 123
5.5 IFTTT與文章源、Google表單
和電子郵件的集成 125
通過IFTTT設置新聞源
和Google表單 125
5.6 設置你的每日個性化
新聞簡報 133
5.7 小結 137
第6章預測你的內容是否會廣為
流傳 138
6.1 關于病毒性,研究告訴我們了
些什么 139
6.2 獲取分享的數量和內容 140
6.3 探索傳播性的特征 149
6.3.1 探索圖像數據 149
6.3.2 探索標題 152
6.3.3 探索故事的內容 156
6.4 構建內容評分的預測模型 157
6.5 小結 162
第7章使用機器學習預測股票市場 163
7.1 市場分析的類型 164
7.2 關于股票市場,研究告訴
我們些什么 165
7.3 如何開發一個交易策略 166
7.3.1 延長我們的分析
周期 172
7.3.2 使用支持向量回歸,
構建我們的模型 175
7.3.3 建模與動態時間扭曲 182
7.4 小結 186
第8章建立圖像相似度的引擎 187
8.1 圖像的機器學習 188
8.2 處理圖像 189
8.3 查找相似的圖像 191
8.4 了解深度學習 195
8.5 構建圖像相似度的引擎 198
8.6 小結 206
第9章打造聊天機器人 207
9.1 圖靈測試 207
9.2聊天機器人的歷史 208
9.3 聊天機器人的設計 212
9.4 打造一個聊天機器人 217
9.5 小結 227
第10章構建推薦引擎 228
10.1 協同過濾 229
10.1.1 基于用戶的過濾 230
10.1.2 基于項目的過濾 233
10.2 基于內容的過濾 236
10.3 混合系統 237
10.4 構建推薦引擎 238
10.5 小結 251

序: