欢迎光临
免费的PDF电子书下载网站

Python机器学习实践:测试驱动的开发方法 PDF下载

编辑推荐

暂无

内容简介

本书展示了如何在代码中集成和测试机器学习方面的算法。通过书中的图表和重点标记的代码示例,本书着重介绍了Python的NumPy、Pandas、Scikit-Learn和SciPy等数据科学相关类库的测试。

作者简介

暂无

Python机器学习实践:测试驱动的开发方法 PDF下载

目录

目录
前言
第1章
可能近似正确的软件
正确地编写软件
编写正确的软件
本书计划
第2章快速介绍机器学习
什么是机器学习
有监督学习
无监督学习
强化学习
机器学习能完成什么
本书中使用的数学符号
结论
第3章K最近邻算法
如何确定是否想购买一栋房子
房子的价格究竟几何
愉悦回归
什么是邻域
K最近邻算法简介
K先生最近的邻居
距离
维度灾难
如何选择K
给西雅图的房子估价
结论
第4章朴素贝叶斯分类
通过贝叶斯定理来发现欺诈订单
条件概率
概率符号
反向条件概率(又名贝叶斯定理)
朴素贝叶斯分类器
贝叶斯推理之朴素
伪计数
垃圾邮件过滤器
标记化和上下文
结论
第5章决策树和随机森林
蘑菇的细微差别
使用民间定理实现蘑菇分类
找到最佳切换点
修剪树
结论
第6章隐马尔可夫模型
使用状态机来跟踪用户行为
输出/观测隐含状态
使用马尔可夫假设化简
隐马尔可夫模型
评估:前向.后向算法
第7章支持向量机
第8章神经网络
第9章聚类
第10章模型改进与数据提取
第11章将这些方法融合在一起:结论

Python机器学习实践:测试驱动的开发方法 pdf下载声明

本pdf资料下载仅供个人学习和研究使用,不能用于商业用途,请在下载后24小时内删除。如果喜欢,请购买正版

pdf下载地址

版权归出版社和作者所有,下载链接已删除。如果喜欢,请购买正版!

链接地址:Python机器学习实践:测试驱动的开发方法