内容简介

《Python机器学习实践指南》结合了机器学习和Python 语言两个热门的领域，通过利用两种核心的机器学习算法来将Python 语言在数据分析方面的优势发挥到极致。 
全书共有10 章。第1 章讲解了Python 机器学习的生态系统，剩余9 章介绍了众多与 
机器学习相关的算法，包括各类分类算法、数据可视化技术、推荐引擎等，主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。 
本书适合Python 程序员、数据分析人员、对算法感兴趣的读者、机器学习领域的从业人员及科研人员阅读。
《Python机器学习——预测分析核心算法》从算法和Python 语言实现的角度，帮助读者认识机器学习。 
专注于两类核心的“算法族”，即惩罚线性回归和集成方法，并通过代码实例来 
展示所讨论的算法的使用原则。全书共分为7 章，详细讨论了预测模型的两类核心算法、预测模型的构建、惩罚线性回归和集成方法的具体应用和实现。 
本书主要针对想提高机器学习技能的Python 开发人员，帮助他们解决某一特定的项目或是提升相关的技能。
《深度学习精要（基于R语言）》重点介绍如何将R语言和深度学习模型或深度神经网络结合起来，解决实际的应用需求。全书共6章，分别介绍了深度这习基础知识、训练预测模型、如何防止过拟合、识别异常数据、训练深度预测模型以及调节和优化模型等内容。 
本书适合了解机器学习概念和R语言并想要使用R提供的包来探索深度学习应用的读者学习参考.

目录

总目录

Python机器学习实践指南

目录

内容提要

作者简介

审阅者简介

译者简介

译者序

前言

本书涵盖的内容

PDF文档截图

MOBI文档截图