Машинне навчання в Python. Рецепти

Код: 17251504060
Як замовити
1581 грн
Ціна вказана з доставкою в Україну
Товар є в наявності
ЯК ЕКОНОМИТИ НА ДОСТАВКЕ?
Замовляйте велику кількість товарів у цього продавця
ВСІ ТОВАРИ ПРОДАВЦЯ №48567556
Інформація
  • Час доставки: 7-10 днів
  • Стан товару: новий
  • Доступна кількість: 2

Просматривая «Машинное обучение в Python. Рецепты», вы можете быть уверены, что данный товар из каталога «Программирование» будет доставлен из Польши и проверен на целостность. В цене товара, указанной на сайте, учтена доставка из Польши. Внимание!!! Товары для Евросоюза, согласно законодательству стран Евросоюза, могут отличаться упаковкой или наполнением.

Машинне навчання в Python. Рецепти

Кріс Альбон

Машинне навчання сьогодні використовується в різних сферах життя: у бізнесі, в політиці, в некомерційних організаціях та, звичайно, в науці. Алгоритми машини для самовизначення -це унікальний метод перетворення даних у знання. Було створено багато книг для пояснення того, як працюють ці алгоритми, а іноді представлені вражаючими прикладами їх використання. Також доступні інструменти для цього типу програми, таких як бібліотеки Python, Pandas та Scikit-Learn. Реалізація щоденних проблем, пов'язаних з машинним навчанням, залишається проблемою. Ці люди будуть ставитися до неї як до посібника, щоб допомогти вирішити конкретні проблеми, що виникають під час повсякденної роботи з машинним навчанням. Завдяки рецептам, що містяться тут, такі завдання, такі як завантаження даних, підтримка тексту та чисельних даних, вибір моделі або зменшення розмірності стане набагато простішим у виконанні. Кожен рецепт містить код, який можна вставити у вашу програму, поєднувати або адаптувати за потребою. Аналізи, що пояснюють індивідуальні рішення та їх контекст, також були представлені. З цією книгою ви плавно перейдете від теоретичних міркувань до розробки операційних додатків та практичного використання машинного навчання. Використання розділення та вибору функцій

  • Оцінка та вибір моделі, а також лінійна та логістична регресія
  • Вектори навантаження (SVM), наївна байєсівська класифікація, кластеризація та нейронні мережі
  • , щоб зберегти та завантажувати тренованих моделей

    • машинам Python - Використовуйте перевірені рецепти коду! Понад десять років він використовує статистику, штучний інтелект та інші досягнення інформатики в політиці, соціології та в управлінні гуманітарними діями. В даний час він працює над відданим здоров’ям - він використовує науку про дані та машинне навчання для вирішення проблем американської системи охорони здоров'я. Раніше він був головним аналітиком даних у запуску кенійського BRCK. Вектор, матриця та таблиця 15

    • 1.0. Вступ 15
    • 1.1. Створення вектора 15
    • 1.2. Створення матриці 16
    • 1.3. Створення рідкісної матриці 17
    • 1.4. Завантаження елементів 18
    • 1.5. Описуючи матрицю 20
    • 1.6. Проведення операцій на елементах 20
    • 1.7. Пошук максимального та мінімального значення 21
    • 1,8. Розрахунок середнього, дисперсії та стандартного відхилення 22
    • 1,9. Зміна форми таблиці 23
    • 1.10. Переклад вектора або матриці 24
    • 1.11. Вимити матрицю 25
    • 1.12. Пошук порядок матриці 25
    • 1.13. Розрахунок детермінанта матриці 26
    • 1.14. Завантаження діагоналі матриці 27
    • 1.15. Обчислення сліду матриці 27
    • 1.16. Пошук векторів та власних значень 28
    • 1.17. Розрахунок скалярного продукту 29
    • 1.18. Додавання та віднімання 30
    • 1,19 матриці. Множення матриці 31
    • 1.20. Матриця 32
    • 1.21. Генерування випадкових чисел 33

    2. Завантаження даних 35

    • 2.0. Вступ 35
    • 2.1. Завантаження прикладу набору даних 35
    • 2.2. Створення модельованого набору даних 36
    • 2.3. Завантаження CSV 39
    • 2.4. Завантаження Excel 40
      • <