Машинне навчання: кишеньковий довідник. Короткий посібник із методів структурованого машинного навчання на Python

Машинне навчання: кишеньковий довідник, включені докладні приклади та коментарі, які допоможуть вам оперативно орієнтуватися в основах структурованого машинного навчання (МО). Автор, Метт Харрісон, пропонує цінний довідник, який ви можете використовувати як додатковий посібник при навчанні МО та як зручний ресурс, коли занурюєтеся у ваш наступний проект машинного навчання. Наведені фрагменти коду мають такий розмір, щоб їх можна було використовувати та адаптувати у ваших проектах МО.

Книга, яка ідеально підходить для програмістів, аналітиків даних та інженерів штучного інтелекту, містить огляд процесу машинного навчання і знайомить вас з класифікацією структурованих даних. У книзі розглядаються різні бібліотеки і моделі, їх компроміси, налаштування та інтерпретація. Крім усього іншого ви вивчіть методи кластеризації, регресії та зменшення розмірності.

Основні теми книги

• Класифікація з використанням набору даних Titanic
• Як очистити дані і впоратися з їх нестачею
• Розвідувальний аналіз даних
• Загальні етапи попередньої обробки з використанням вибірки даних
• Вибір ознак, корисних для моделі
• Вибір моделі
• Оцінка метрики та класифікації
• Приклади регресії з використанням декількох методів машинного навчання
• Метрики для оцінки регресії
• Кластеризація
• Зменшення розмірності
• Конвеєри Scikit-learn

При використанні цієї книги передбачається знання мови програмування Python.

У книзі показано, як використовувати різні допоміжні бібліотеки Python для вирішення реальних завдань МО.

Ця книга не замінить навчальний курс з МО, але повинна служити орієнтиром того, що може охоплювати прикладної курс машинного навчання. Автор використовує її в якості довідкового матеріалу для курсів з аналізу даних і машинного навчання, який він викладає.

Автор книги Метт Харрісон вважає, що його книга — кращий збірник ресурсів і прикладів для вирішення задач прогнозного моделювання, якщо у вас є структуровані дані.