Практическое и подробное введение в машинное обучение.
Простые и понятные объяснения и отсутствие необходимости опыта программирования делают эту книгу прекрасной альтернативой академическому учебнику. Здесь представлены основные алгоритмы машинного обучения (ML), которые сопровождаются наглядными примерами и практическими работами. Также вы узнаете про перекрестную проверку, ансамблевое моделирование, поиск по сетке для настройки моделей, проектирование функций, горячее кодирование и многое другое.
Для разработки интеллектуальных машин в первую очередь надо понять классическую статистику, так как алгоритмы на ее основе — это сердце машинного обучения. Написание кода — еще одна неотъемлемая часть ML, которая предусматривает управление данными. Однако материал этого руководства можно освоить даже без навыков программирования.
Возможно, с чтения этой книги начнется ваш путь к получению работы в области машинного обучения, а может быть, она просто удовлетворит ваше любопытство.
Внутри руководства:
• Загрузка бесплатных наборов данных.
• Методы очистки данных, включая горячее кодирование, группирование и обработку недостающих данных.
• Подготовка данных для анализа.
• Линейный регрессионный анализ.
• Кластеризация, включая кластеризацию k-средних.
• Основы работы нейронных сетей.
• Смещение/дисперсия для улучшения модели машинного обучения.
• Деревья решений для декодирования классификации.
• Ваша первая модель машинного обучения с помощью Python.
