簡介
使用Keras,H2O,Scikit-Learn,Pandas等實現機器學習算法來構建集合模型
主要特點
- 使用基於配方的方法應用流行的機器學習算法
- 實施增強,裝袋和堆疊集合方法以改進機器學習模型
- 發現真實世界的合奏應用,並在Kaggle比賽中遇到複雜的挑戰
集合建模是一種用於提高機器學習模型性能的方法。它結合了兩個或多個相似或不同的機器學習算法,以提供卓越的智力。本書將幫助您實現流行的機器學習算法,以涵蓋不同的集成機器學習範例,如增強,裝袋和堆疊。
Ensemble Machine Learning Cookbook將首先讓您熟悉集成技術和探索性數據分析的基礎知識。然後,您將學習如何實現與統計和機器學習算法相關的任務,以瞭解多個異構算法的集合。它還將確保您不會錯過關鍵主題,例如重新採樣方法。隨着您的進步,您將更好地瞭解套袋,增強,堆疊以及使用真實世界示例使用隨機森林算法。本書將重點介紹這些集合方法如何使用多個模型來改善機器學習結果,與單個模型相比。在最後的章節中,您將深入研究使用神經網絡,自然語言處理等的高級集成模型。您還可以實施欺詐檢測,文本分類和情緒分析等模型。
在本書的最後,您將能夠利用集成技術和機器學習算法的工作機制,使用單獨的配方構建智能模型。
你會學到什麼
- 瞭解如何將機器學習算法用於迴歸和分類問題
- 實施集成技術,例如平均,加權平均和最大投票
- 掌握先進的整體方法,例如自舉,裝袋和堆疊
- 使用隨機森林進行分類和迴歸等任務
- 實現同構和異構機器學習算法的集合
- 學習並實施各種提升技術,例如AdaBoost,Gradient Boosting Machine和XGBoost
這本書的目的是誰
本書專爲數據科學家,機器學習開發人員和深度學習愛好者而設計,他們希望深入研究機器學習算法,以構建強大的集成模型。 Python編程和基本統計的工作知識是幫助您掌握本書概念的必要條件。
參考資料
- 下載:https://itbooks.pipipan.com/fs/18113597-342728247
- 討論qq羣144081101 591302926 567351477
- 本文最新版本地址
- 本文涉及的python測試開發庫 謝謝點贊!
- 本文相關海量書籍下載
- 2018最佳人工智能機器學習工具書及下載(持續更新)
- Format Pdf
- Page Count 256 Pages
- Author Delip Rao和Brian McMahon