購買書籍
初探機器學習演算法

0 人評分過此書

可使用:0

線上閱讀中:0

下載閱讀中:0

借閱天數:0

推薦採購不提供QR CODE
線上閱讀
本書提供兩種檔案格式,請選擇開啟:
EPUB彈性排版,可依載具大小自動斷行或換頁,較適合小螢幕閱讀。

書籍內容

TOP
  • 內容簡介
  • 目錄
熱門資料科學與機器學習演算法學習指南   本書介紹並說明資料科學領域常見且重要的機器學習演算法,這些演算法可用於監督式與非監督學習、強化學習與半監督式學習。書中所討論的演算法包括線性迴歸、logistic迴歸、SVM、樸素貝氏、k-means、隨機森林、TensorFlow與特徵工程。   你將會學到如何使用這些演算法來解決問題,以及它們的工作原理。同時也會介紹自然語言處理與推薦系統,以協助同時執行多種演算法。   最後將會知道如何挑選正確的機器學習演算法,來為你的問題進行分群、分類或迴歸。   你將學會:   • 熟悉機器學習的重要元素   • 瞭解特徵選擇與特徵工程流程   • 平衡線性迴歸的效能與誤差   • 建立資料模型,與使用各種類型的演算法來瞭解它的工作方式   • 微調SVM的參數   • 實作資料集的群聚   • 探索自然語言處理與推薦系統的概念   • 從零開始建立機器學習架構

國際計量

TOP
初探機器學習演算法

*若沒有可用的測量指標,代表資料尚在更新,近期將上線。