在如今這個處處以數(shù)據(jù)驅動的世界中，機器學習正變得越來越大眾化。它已經被廣泛地應用于不同領域，如搜索引擎、機器人、無人駕駛汽車等。本書首先通過實用的案例介紹機器學習的基礎知識，然后介紹一些稍微復雜的機器學習算法，例如支持向量機、極端隨機森林、隱馬爾可夫模型、條件隨機場、深度神經網絡，等等。

本書特色

用最火的Python語言、通過各種各樣的機器學習算法來解決實際問題！
書中介紹的主要問題如下。

• 探索分類分析算法并將其應用于收入等級評估問題
• 使用預測建模并將其應用到實際問題中
• 了解如何使用無監(jiān)督學習來執(zhí)行市場細分
• 探索數(shù)據(jù)可視化技術以多種方式與數(shù)據(jù)進行交互
• 了解如何構建推薦引擎
• 理解如何與文本數(shù)據(jù)交互并構建模型來分析它
• 使用隱馬爾科夫模型來研究語音數(shù)據(jù)并識別語音

目錄

版權聲明
譯者序
前言
第 1 章　監(jiān)督學習
第 2 章　創(chuàng)建分類器
第 3 章　預測建模
第 4 章　無監(jiān)督學習——聚類
第 5 章　構建推薦引擎
第 6 章　分析文本數(shù)據(jù)
第 7 章　語音識別
第 8 章　解剖時間序列和時序數(shù)據(jù)
第 9 章　圖像內容分析
第 10 章　人臉識別
第 11 章　深度神經網絡
第 12 章　可視化數(shù)據(jù)

下載

https://pan.baidu.com/s/1pxdBNidmws5SwPDit6pvqw