本书基于作者多年的积累,通过概念及其解释、Python代码示例及其解释和代码输出,特别针对零基础读者精心设计了这本机器学习进阶指南。全书包含3部分16章的内容,在介绍完编程和数据处理基础之后,探讨了监督学习(如线性回归、逻辑回归及决策树、朴素贝叶斯和支持向量机)、集成学习以及无监督学习(如降维和聚类等)。值得一提的...
包括线性回归、正则化、逻辑回归、支持向量机、核方法、朴素贝叶斯、随机森林、神经网络、KNN、PCA、LSA、NMF、LDA、k-means 算法、混合高斯分布、LLE 和 t-SNE 等。涉及回归、分类、降维、聚类等多个问题领域,为读者提供了广泛的学习资源。另外,书中针对各算法均用 Python 代码进行了实现。读者可一边运行代码一边...