Это практическое руководство содержит около 200 самостоятельных рецептов, которые помогут вам решить проблемы машинного обучения, с которыми вы можете столкнуться в повседневной работе. Если вы хорошо разбираетесь в Python и его библиотеках, включая pandas и scikit-learn, вы сможете решать конкретные проблемы, такие как загрузка данных, обработка текстовых или числовых данных, выбор модели, уменьшение размерности и многие другие темы.< /p>

Каждый рецепт включает код, который вы можете скопировать и вставить в игрушечный набор данных, чтобы убедиться, что он действительно работает. Отсюда вы можете вставлять, комбинировать или адаптировать код для создания приложения. Рецепты также включают обсуждение, объясняющее решение и предоставляющее значимый контекст. Эта кулинарная книга выводит вас за рамки теории и концепций, предоставляя базовые сведения, необходимые для создания работающих приложений машинного обучения.

Вы найдете рецепты для:

• Векторов, матриц и массивы • Обработка числовых и категориальных данных, текста, изображений, дат и времени • Уменьшение размерности с использованием извлечения признаков или выбора признаков • Оценка и выбор модели • Линейная и логическая регрессия, деревья и леса и k-ближайшие соседи • Машины опорных векторов ( SVM), наивный Байес, кластеризация и нейронные сети. Сохранение и загрузка обученных моделей.