Python 机器学习 (第3版) 代码仓库
第1版和第2版的代码仓库可通过以下链接获取
- https://github.com/rasbt/python-machine-learning-book 和
- https://github.com/rasbt/python-machine-learning-book-2nd-edition
Python 机器学习,第3版
预计于2019年12月12日出版
平装本: 770页
出版社: Packt Publishing
语言: 英文
ISBN-10: 1789955750
ISBN-13: 978-1789955750
Kindle ASIN: B07VBLX2W7
链接
目录及代码笔记本
可以在第1章的README.md文件中找到有用的安装和设置说明
请注意,这些仅是附带书籍的代码示例,我们为您的方便上传;请知悉这些笔记本在没有公式和描述性文本的情况下可能无用。
- 机器学习 - 让计算机能够从数据中学习 [打开目录]
- 训练分类的机器学习算法 [打开目录]
- 使用Scikit-Learn的机器学习分类器巡礼 [打开目录]
- 构建优质的训练集 - 数据预处理 [打开目录]
- 通过降维压缩数据 [打开目录]
- 学习模型评估和超参数优化的最佳实践 [打开目录]
- 结合不同的模型进行集成学习 [打开目录]
- 将机器学习应用于情感分析 [打开目录]
- 将机器学习模型嵌入到Web应用程序中 [打开目录]
- 使用回归分析预测连续目标变量 [打开目录]
- 使用无标签数据进行聚类分析 [打开目录]
- 从零开始实现多层人工神经网络 [打开目录]
- 使用TensorFlow并行化神经网络训练 [打开目录]
- 更深入地了解TensorFlow的机制 [打开目录]
- 使用深度卷积神经网络进行图像分类 [打开目录]
- 使用循环神经网络对序列数据建模 [打开目录]
- 通过生成对抗网络合成新数据 [打开目录]
- 在复杂环境中进行决策的强化学习 [打开目录]
Raschka, Sebastian, 和 Vahid Mirjalili. Python 机器学习,第3版. Packt Publishing, 2019.
@book{RaschkaMirjalili2019,
address = {英国伯明翰},
author = {Raschka, Sebastian 和 Mirjalili, Vahid},
edition = {3},
isbn = {978-1789955750},
publisher = {Packt Publishing},
title = {{Python 机器学习,第3版}},
year = {2019}
}