ai-ml-dl
Python机器学习基础教程
| Author | Book Cover |
|---|---|
| Andreas C.Müller Sarah Guido |  |
主要内容
| 章节 | 内容概略 |
|---|---|
| 第1章 | 介绍机器学习的基本概念及其应用，并给出本书会用到的基本设置 |
| 第2章和第3章 | 介绍实践中最常用的机器学习算法，并讨论这些算法的优缺点 |
| 第4章 | 介绍在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面 |
| 第5章 | 介绍模型评估和调参的高级方法，重点在交叉验证和网格搜索 |
| 第6章 | 解释管道的概念，用于串联多个模型并封装工作流 |
| 第7章 | 介绍如何讲前面各章讲述的方法应用到文本数据上，并介绍一些文本特有的处理方法 |
| 第8章 | 全书总结，并介绍有关更高级主题的参考资料 |
用到的工具
- Python
- scikit-learn library
-
- NumPy
- matplotlib
参考书籍
- Trevor Hastie、Robert Tibshirani和Jerome Friedman合著的《统计学习基础》（Elements of Statistical Learning,Springer出版社）
- Wes MiKinney的《Python数据处理》：pandas参考书