內容簡介:「你是否認為機器學習很複雜、很難掌握呢? 其實不然,來讀這本書,Serrano為你揭開機器學習的神秘面紗。」
—Sebastian Thrun, Udacit創辦人
「這是您機器學習旅程的第一步」
—Millad Dagdoni, 挪威勞動福利局
「這是本很好的引導指南,特別是對於那些想要寫程式但覺得自己數學程度不高的人」
—Erik D. Sapper, 加州理工州立大學
「這是我近年來有幸讀到最平易近人的機器學習介紹。強烈推薦!」
—Kay Engelhardt, devstats
只需要高中的數學程度,您就能發現並了解機器學習的強大之處!簡單來說,機器學習是一組建立在演算法上的資料分析技術,當您提供更多的資料,它就能產生更好的分析結果。ML驅動了許多尖端的技術,例如推薦系統、人臉識別軟體、智慧音箱,甚至是自駕車。而這本獨特的書將藉由相關的範例、有趣的練習以及簡要的插圖,為您介紹機器學習的核心概念。
《白話機器學習》以任何人都能理解的方式來呈現機器學習的演算法和技術,跳過令人困惑的學術術語,提供您只需要一點基礎代數就能理解的清楚解釋。隨著學習本書的內容,您將使用Python建立許多有趣的專案,包含垃圾郵件偵測和圖像辨識等模型,並且還會學到清理和準備資料的實用技巧。
本書包含:
‧用於分類和分割資料的監督式演算法
‧用於清理和簡化資料的方法
‧機器學習的套件和工具
‧用於複雜資料集的神經網路和集成方法
本書適用於有Python基礎知識的讀者,但不需要有機器學習的相關知識。
目錄
章節說明:第1章 什麼是機器學習?它是一種常識,只是是由電腦來完成
第2章 機器學習的類型
第3章 在資料點附近畫一條線:線性迴歸
第4章 最佳化訓練過程:配適不足、過度配適、測試和正規化
第5章 用線來分割我們的點:感知器算法
第6章 用以分裂點的連續方法:邏輯分類器
第7章 你如何衡量分類模型?準確率及其朋友
第8章 最大程度地利用機率:單純貝氏分類模型
第9章 透過提問來分割資料:決策樹
第10章 組合建構組塊以獲得更多力量:神經網路
第11章 用風格尋找邊界:支援向量機和核方法
第12章 結合模型以最大化結果:集成學習
第13章 付諸實踐:資料工程和機器學習的真實案例
附錄A 練習題的答案
附錄B 梯度下降背後的數學含意:使用導數和斜率
附錄C 參考資料
章節說明:第1章 什麼是機器學習?它是一種常識,只是是由電腦來完成
第2章 機器學習的類型
第3章 在資料點附近畫一條線:線性迴歸
第4章 最佳化訓練過程:配適不足、過度配適、測試和正規化
第5章 用線來分割我們的點:感知器算法
第6章 用以分裂點的連續方法:邏輯分類器
第7章 你如何衡量分類模型?準確率及其朋友
第8章 最大程度地利用機率:單純貝氏分類模型
第9章 透過提問來分割資料:決策樹
第10章 組合建構組塊以獲得更多力量:神經網路
第11章 用風格尋找邊界:支援向量機和核方法
第12章 結合模型以最大化結果:集成學習
第13章...
購物須知
退換貨說明:
會員均享有10天的商品猶豫期(含例假日)。若您欲辦理退換貨,請於取得該商品10日內寄回。
辦理退換貨時,請保持商品全新狀態與完整包裝(商品本身、贈品、贈票、附件、內外包裝、保證書、隨貨文件等)一併寄回。若退回商品無法回復原狀者,可能影響退換貨權利之行使或須負擔部分費用。
訂購本商品前請務必詳閱退換貨原則。