Learning scikit-learn: Machine Learning in Python

با استفاده از Python و کتابخانه منبع باز scikit-learn، مزایای تکنیک های یادگیری ماشین را با استفاده از آنها در مسائل دنیای واقعی تجربه کنید

نمای کلی

• از Python و scikit-learn برای ایجاد برنامه های کاربردی هوشمند استفاده کنید
• از تکنیک های رگرسیون برای پیش بینی رفتار آینده استفاده کنید و یاد بگیرید که آیتم ها را در گروه ها بر اساس شباهت هایشان خوشه بندی کنید
• از تکنیک های طبقه بندی استفاده کنید. انجام تشخیص تصویر و طبقه بندی اسناد

در جزئیات

یادگیری ماشینی، هنر ایجاد برنامه های کاربردی که از تجربیات و داده ها یاد می گیرند، بوده است. در اطراف برای چندین سال با این حال، در عصر "داده های بزرگ"، حجم عظیمی از اطلاعات در حال تولید است. این امر یادگیری ماشینی را به منبعی اجتناب ناپذیر از تقریب های مبتنی بر داده جدید برای حل مسئله تبدیل می کند.

با Learning scikit-learn: Machine Learning در Python، یاد خواهید گرفت که یادگیری ماشین را در برنامه های خود بگنجانید. این کتاب مقدمه ای بر برخی از مفاهیم و روش های اصلی در یادگیری ماشینی را با مثال های عملی و عملی از مسائل دنیای واقعی ترکیب می کند. از تشخیص رقم دست‌نویس تا طبقه‌بندی اسناد، نمونه‌ها با استفاده از Scikit-learn و Python گام به گام حل می‌شوند.

کتاب با معرفی مختصری از مفاهیم اصلی یادگیری ماشین با یک مثال ساده شروع می‌شود. سپس، با استفاده از برنامه‌های کاربردی دنیای واقعی و ویژگی‌های پیشرفته، به بررسی تکنیک‌های مختلف یادگیری ماشین می‌پردازیم.

شما یاد خواهید گرفت که نتایج خود را ارزیابی کنید و تکنیک‌های پیشرفته را برای پیش‌پردازش داده‌ها اعمال کنید. همچنین می توانید بهترین مجموعه ویژگی ها و بهترین روش ها را برای هر مشکل انتخاب کنید.

با Learning scikit-learn: Machine Learning در Python شما یاد خواهید گرفت که چگونه از زبان برنامه نویسی Python و کتابخانه scikit-learn برای ساخت برنامه هایی که از تجربه یاد می گیرند و مفاهیم اصلی و تکنیک های یادگیری ماشین را استفاده می کنند استفاده کنید. .

آنچه از این کتاب خواهید آموخت

• Sikit-learn را در محیط پایتون خود تنظیم کنید
• طبقه بندی اشیا (از اسناد گرفته تا صورت انسان و گونه‌های گل) بر اساس برخی ویژگی‌های آن‌ها، با استفاده از روش‌های مختلف از ماشین‌های بردار پشتیبان گرفته تا بی‌های ساده‌لوح
• استفاده از درخت‌های تصمیم‌گیری برای توضیح علل اصلی پدیده‌های خاص مانند بقای مسافران تایتانیک
• پیش بینی قیمت خانه با استفاده از تکنیک های رگرسیون
• نمایش و تجزیه و تحلیل گروه ها در داده های خود با استفاده از کاهش ابعاد
• از ابزارهای مختلف برای پیش پردازش، استخراج استفاده کنید. و ویژگی های یادگیری را انتخاب کنید
• با استفاده از انتخاب مدل بهترین پارامترها را برای مدل های خود انتخاب کنید
• روش ساخت مدل های خود را با استفاده از تکنیک های موازی سازی بهبود دهید

رویکرد

این کتاب از رویکردی مبتنی بر آموزش استفاده می‌کند تا کاربر را با Scikit-learn آشنا کند.

این کتاب برای چه کسی نوشته شده است< /b>

اگر برنامه‌نویسی هستید که می‌خواهید یادگیری ماشین و روش‌های مبتنی بر داده را برای ساخت برنامه‌های کاربردی هوشمند و افزایش مهارت‌های برنامه‌نویسی خود کشف کنید، این کتاب برای شما مناسب است. هیچ تجربه قبلی با الگوریتم های یادگیری ماشینی لازم نیست.

Experience the benefits of machine learning techniques by applying them to real-world problems using Python and the open source scikit-learn library

Overview

• Use Python and scikit-learn to create intelligent applications
• Apply regression techniques to predict future behaviour and learn to cluster items in groups by their similarities
• Make use of classification techniques to perform image recognition and document classification

In Detail

Machine learning, the art of creating applications that learn from experience and data, has been around for many years. However, in the era of “big data”, huge amounts of information is being generated. This makes machine learning an unavoidable source of new data-based approximations for problem solving.

With Learning scikit-learn: Machine Learning in Python, you will learn to incorporate machine learning in your applications. The book combines an introduction to some of the main concepts and methods in machine learning with practical, hands-on examples of real-world problems. Ranging from handwritten digit recognition to document classification, examples are solved step by step using Scikit-learn and Python.

The book starts with a brief introduction to the core concepts of machine learning with a simple example. Then, using real-world applications and advanced features, it takes a deep dive into the various machine learning techniques.

You will learn to evaluate your results and apply advanced techniques for preprocessing data. You will also be able to select the best set of features and the best methods for each problem.

With Learning scikit-learn: Machine Learning in Python you will learn how to use the Python programming language and the scikit-learn library to build applications that learn from experience, applying the main concepts and techniques of machine learning.

What you will learn from this book

• Set up scikit-learn inside your Python environment
• Classify objects (from documents to human faces and flower species) based on some of their features, using a variety of methods from Support Vector Machines to Naïve Bayes
• Use Decision Trees to explain the main causes of certain phenomenon such as the Titanic passengers’ survival
• Predict house prices using regression techniques
• Display and analyse groups in your data using dimensionality reduction
• Make use of different tools to preprocess, extract, and select the learning features
• Select the best parameters for your models using model selection
• Improve the way you build your models using parallelization techniques

Approach

The book adopts a tutorial-based approach to introduce the user to Scikit-learn.

Who this book is written for

If you are a programmer who wants to explore machine learning and data-based methods to build intelligent applications and enhance your programming skills, this the book for you. No previous experience with machine-learning algorithms is required.