机器学习常用算法速查手册

1星价 ¥30.8 (3.5折)

2星价￥29.9 定价￥88.0

作者：马特哈里森,杜春晓

出版社：中国电力出版社

本类榜单：计算机/网络

分类：计算机/网络 > 人工智能

温馨提示：5折以下图书主要为出版社尾货，大部分为全新（有塑封/无塑封），个别图书品相8-9成新、切口有划线标记、光盘等附件不全详细品相说明>>

暂无评论

图文详情

ISBN：9787519849481
装帧：一般胶版纸
册数：暂无
重量：暂无
开本：16开
页数：316
出版时间：2020-12-01
条形码：9787519849481 ; 978-7-5198-4948-1

本书特色

用Python处理结构化数据，本书代码经过精心剪裁，长度适中，以便你灵活将其运用到自己的项目中。本书以详细的授课笔记、表格和示例，帮助你掌握Python机器学习基础知识，学习建模处理结构化数据。你参加相关培训时，可将这份宝贵的学习指南作为补充材料，你开始下一个机器学习项目时，可将其作为便捷的参考资源。本书适合程序员、数据科学家和AI工程师，它不仅综述了机器学习的全过程，还带你了解了结构化数据处理的全过程。从本书中，你将学到分类、回归、降维和聚类等多个主题的相关方法。用Python处理结构化数据，本书代码经过精心剪裁，长度适中，以便你灵活将其运用到自己的项目中。

内容简介

本书为解决常见结构化数据的建模和预测难题提供了详细案例，还介绍了多种不同库和模型，分析其优劣势，讲解模型的调试方法以及输出结果的解释方法。
本书代码经过精心剪裁，长度适中，以便你灵活将其运用到自己的项目中。

目录
前言 1
第1 章机器学习入门 7
本书使用的库 7
用pip 安装库 10
用conda 安装库12
第2 章机器学习流程概览 15
第3 章数据分类工作流：泰坦尼克号数据集 17
项目布局建议 17
导入 18
提出问题 19
数据术语 19
获取数据 21
清洗数据 22
创建特征 29
数据采样 31
数据插值 31
规范数据 32
重构 33
基准模型 35
不同算法族 35
模型堆叠 37
建模 38
评估模型 38
优化模型 40
混淆矩阵 41
ROC 曲线 42
学习曲线 44
部署模型 45
第4 章数据缺失 47
检查数据缺失情况 48
删除缺数据的行或列 52
插值 53
添加标识列 54
第5 章清洗数据 55
处理列名 55
替换缺失值 56
第6 章探索数据 59
数据大小 59
汇总统计 60
直方图 61
散点图 62
Joint Plot 图 63
Pair Grid 图 66
箱形图和小提琴图 68
比较两个序数型特征 69
相关性 71
RadViz 图 76
平行坐标图 78
第7 章预处理数据 81
标准化 81
调整取值范围 83
虚拟变量 84
标签编码 85
频数编码 86
从字符串抽取类别型数据 87
类别型数据的其他编码方法 89
日期特征的处理方法 91
添加col_na 特征 92
特征工程 93
第8 章特征选择 95
共线列 95
套索回归 99
递归特征消除 100
互信息 102
主成分分析 103
特征重要性 103
第9 章类别不平衡 105
采用不同度量标准 105
树模型和集成方法 105
惩罚模型 106
对小众类别上采样 106
生成小众数据 107
对大众类别下采样 107
先上采样，再下采样 109
第10 章分类 111
对数概率回归 112
朴素贝叶斯 117
支持向量机 120
k 近邻 123
决策树 126
随机森林 133
XGBoost 138
LightGBM150
TPOT 155
第11 章模型选择 161
验证曲线 161
学习曲线 163
第12 章度量标准和分类评估 165
混淆矩阵 165
度量标准 168
准确率 170
召回率 171
精准率 171
f1 值 172
分类报告 172
ROC 曲线 173
精准率- 召回率曲线 175
累积增益图 176
lift 曲线 178
类别平衡 180
类别预测错误 181
判别阈值 182
第13 章解释模型 185
回归系数 185
特征重要性 186
LIME 包186
解释树模型 188
部分依赖图 189
替代模型 193
Shapley 值 194
第14 章回归 199
基准模型 201
线性回归 202
支持向量机 206
k 近邻 208
决策树 210
随机森林 217
XGBoost 回归 220
LightGBM 回归 228
第15 章度量标准和回归模型的评估 233
度量标准 233
残差图 236
异方差性 237
残差正态性 237
预测误差图 239
第16 章解释回归模型 241
Shapley 值 241
第17 章降维技术 247
PCA 方法 247
UMAP 方法 267
t-SNE 方法 273
PHATE 方法 277
第18 章聚类 283
k-means 算法 283
层次聚类 290
理解簇 293
第19 章流水线 299
分类流水线 299
回归流水线 302
PCA 流水线 303
作者介绍 305
封面介绍 305