機器學習實戰(zhàn)

機器學習是人工智能研究領域中一個極其重要的研究方向，在現(xiàn)今的大數(shù)據(jù)時代背景下，捕獲數(shù)據(jù)并從中萃取有價值的信息或模式，成為各行業(yè)求生存、謀發(fā)展的決定性手段，這使得這一過去為分析師和數(shù)學家所專屬的研究領域越來越為人們所矚目。

本書第一部分主要介紹機器學習基礎，以及如何利用算法進行分類，并逐步介紹了多種經(jīng)典的監(jiān)督學習算法，如k近鄰算法、樸素貝葉斯算法、Logistic回歸算法、支持向量機、AdaBoost集成方法、基于樹的回歸算法和分類回歸樹（CART）算法等。第三部分則重點介紹無監(jiān)督學習及其一些主要算法：k均值聚類算法、Apriori算法、FP-Growth算法。第四部分介紹了機器學習算法的一些附屬工具。

全書通過精心編排的實例，切入日常工作任務，摒棄學術化語言，利用高效的可復用Python代碼來闡釋如何處理統(tǒng)計數(shù)據(jù)，進行數(shù)據(jù)分析及可視化。通過各種實例，...

機器學習是人工智能研究領域中一個極其重要的研究方向，在現(xiàn)今的大數(shù)據(jù)時代背景下，捕獲數(shù)據(jù)并從中萃取有價值的信息或模式，成為各行業(yè)求生存、謀發(fā)展的決定性手段，這使得這一過去為分析師和數(shù)學家所專屬的研究領域越來越為人們所矚目。

本書第一部分主要介紹機器學習基礎，以及如何利用算法進行分類，并逐步介紹了多種經(jīng)典的監(jiān)督學習算法，如k近鄰算法、樸素貝葉斯算法、Logistic回歸算法、支持向量機、AdaBoost集成方法、基于樹的回歸算法和分類回歸樹（CART）算法等。第三部分則重點介紹無監(jiān)督學習及其一些主要算法：k均值聚類算法、Apriori算法、FP-Growth算法。第四部分介紹了機器學習算法的一些附屬工具。

全書通過精心編排的實例，切入日常工作任務，摒棄學術化語言，利用高效的可復用Python代碼來闡釋如何處理統(tǒng)計數(shù)據(jù)，進行數(shù)據(jù)分析及可視化。通過各種實例，讀者可從中學會機器學習的核心算法，并能將其運用于一些策略性任務中，如分類、預測、推薦。另外，還可用它們來實現(xiàn)一些更高級的功能，如匯總和簡化等。

Peter Harrington

擁有電氣工程學士和碩士學位，他曾經(jīng)在美國加州和中國的英特爾公司工作7年。Peter擁有5項美國專利，在三種學術期刊上發(fā)表過文章。他現(xiàn)在是Zillabyte公司的首席科學家，在加入該公司之前，他曾擔任2年的機器學習軟件顧問。Peter在業(yè)余時間還參加編程競賽和建造3D打印機。