توضیحات
With detailed notes, tables, and examples, this handy reference will help you navigate the basics of structured machine learning. Author Matt Harrison delivers a valuable guide that you can use for additional support during training and as a convenient resource when you dive into your next machine learning project.
Ideal for programmers, data scientists, and AI engineers, this book includes an overview of the machine learning process and walks you through classification with structured data. Youll also learn methods for clustering, predicting a continuous value (regression), and reducing dimensionality, among other topics.
This pocket reference includes sections that cover:
Classification, using the Titanic dataset
Cleaning data and dealing with missing data
Exploratory data analysis
Common preprocessing steps using sample data
Selecting features useful to the model
Model selection
Metrics and classification evaluation
Regression examples using k-nearest neighbor, decision trees, boosting, and more
Metrics for regression evaluation
Clustering
Dimensionality reduction
Scikit-learn pipelines
————————————————————–
ترجمه ماشینی :
با یادداشتها، جداول و مثالهای دقیق، این مرجع مفید به شما کمک میکند تا در اصول یادگیری ماشین ساختیافته پیمایش کنید. مت هریسون، نویسنده، راهنمای ارزشمندی را ارائه میکند که میتوانید برای پشتیبانی بیشتر در طول آموزش و به عنوان منبعی مناسب در پروژه بعدی یادگیری ماشینی خود از آن استفاده کنید. \ ایده آل برای برنامه نویسان، دانشمندان داده و مهندسان هوش مصنوعی، این کتاب شامل یک نمای کلی از فرآیند یادگیری ماشین است و شما را در طبقه بندی با داده های ساختاریافته راهنمایی می کند. همچنین روشهایی را برای خوشهبندی، پیشبینی یک مقدار پیوسته (رگرسیون)، و کاهش ابعاد، در میان موضوعات دیگر، یاد خواهید گرفت. این مرجع جیبی شامل بخشهایی است که شامل موارد زیر است: طبقه بندی، استفاده از مجموعه داده تایتانیک پاک کردن داده ها و برخورد با داده های از دست رفته تجزیه و تحلیل داده های اکتشافی مراحل پیش پردازش متداول با استفاده از داده های نمونه انتخاب ویژگی های مفید برای مدل انتخاب مدل معیارها و طبقه بندی ارزیابی مثالهای رگرسیون با استفاده از k-نزدیکترین همسایه، درختهای تصمیم، تقویت، و موارد دیگر معیارهای ارزیابی رگرسیون خوشهبندی کاهش ابعاد خطوط لوله یادگیری Scikit
tag : دانلود کتاب مرجع جیبی یادگیری ماشین: کار با داده های ساختاریافته در پایتون , Download مرجع جیبی یادگیری ماشین: کار با داده های ساختاریافته در پایتون , دانلود مرجع جیبی یادگیری ماشین: کار با داده های ساختاریافته در پایتون , Download Machine Learning Pocket Reference: Working with Structured Data in Python Book , مرجع جیبی یادگیری ماشین: کار با داده های ساختاریافته در پایتون دانلود , buy مرجع جیبی یادگیری ماشین: کار با داده های ساختاریافته در پایتون , خرید کتاب مرجع جیبی یادگیری ماشین: کار با داده های ساختاریافته در پایتون , دانلود کتاب Machine Learning Pocket Reference: Working with Structured Data in Python , کتاب Machine Learning Pocket Reference: Working with Structured Data in Python , دانلود Machine Learning Pocket Reference: Working with Structured Data in Python , خرید Machine Learning Pocket Reference: Working with Structured Data in Python , خرید کتاب Machine Learning Pocket Reference: Working with Structured Data in Python ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.