مشخصات کتاب

Scikit-Learn Cookbook

ویرایش:  
نویسندگان: Trent Hauck  
سری:  
ISBN (شابک) : 1783989483, 9781783989485 
ناشر: Packt Publishing 
سال نشر: 2018 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

در صورت تبدیل فایل کتاب Scikit-Learn Cookbook به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب کتاب آشپزی Scikit-Learn نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب کتاب آشپزی Scikit-Learn

درباره این کتاب یاد بگیرید چگونه با Scikit-Learn با دستور العمل های جالبی که به شما نشان می دهد کتابخانه واقعاً چگونه کار می کند انواع وظایف را انجام دهید. از Scikit-Learn برای ساده کردن داده های جانبی برنامه نویسی استفاده کنید تا بتوانید روی تفکر تمرکز کنید نحوه اعمال الگوریتم ها را در موقعیت های مختلف کشف کنید این کتاب برای چه کسی است اگر دانشمند داده ای هستید که قبلاً با پایتون آشنا هستید، اما Scikit-Learn را ندارید، یا با زبان های برنامه نویسی دیگر مانند R آشنا هستید و می خواهید با استاندارد طلایی کتابخانه های یادگیری ماشین پایتون آشنا شوید، این کتاب برای شما مناسب است. آنچه شما یاد خواهید گرفت به الگوریتم هایی با سطوح مختلف پیچیدگی آدرس دهی کنید و یاد بگیرید که چگونه داده ها را همزمان تجزیه و تحلیل کنید مشکلات رایج داده مانند استخراج ویژگی و داده های از دست رفته را مدیریت کنید درک کنید که چگونه مدل های خود را در برابر خودشان و هر مدل دیگری ارزیابی کنید به اندازه کافی ریاضیات مورد نیاز را کشف کنید تا یاد بگیرید چگونه به ارتباط بین الگوریتم های مختلف فکر کنید الگوریتم یادگیری ماشین را متناسب با مشکل خود سفارشی کنید، و یاد بگیرید که چگونه آن را در زمانی که شرایط به آن نیاز دارد، تغییر دهید. بسته‌های دیگری از اکوسیستم پایتون را به منظور تغییر و تجسم مجموعه داده‌های خود ترکیب کنید در جزئیات پایتون به دلیل سادگی و انعطاف پذیری خود به سرعت در حال تبدیل شدن به زبان مورد استفاده برای تحلیلگران و دانشمندان داده است و در فضای داده پایتون، scikit-learn انتخابی بی چون و چرا برای یادگیری ماشین است. API ثابت و ویژگی های فراوان آن به حل هر مشکل یادگیری ماشینی که با آن مواجه می شود کمک می کند. این کتاب با قدم زدن در روش‌های مختلف برای آماده‌سازی داده‌های شما شروع می‌شود - خواه مجموعه داده‌ای با مقادیر گمشده یا ستون‌های متنی باشد که نیاز به تبدیل دسته‌ها به متغیرهای نشانگر دارد. پس از آماده شدن داده‌ها، تکنیک‌های متفاوتی را یاد خواهید گرفت که با اهداف مختلف همسو هستند - خواه مجموعه داده‌ای با نتایج شناخته‌شده مانند فروش بر اساس ایالت یا مشکلات پیچیده‌تر مانند خوشه‌بندی مشتریان مشابه باشد. در نهایت، شما یاد خواهید گرفت که چگونه الگوریتم خود را صیقل دهید تا مطمئن شوید که در برابر مجموعه داده های جدید هم دقیق و هم انعطاف پذیر است.

توضیحاتی درمورد کتاب به خارجی

About This Book Learn how to handle a variety of tasks with Scikit-Learn with interesting recipes that show you how the library really works Use Scikit-Learn to simplify the programming side data so you can focus on thinking Discover how to apply algorithms in a variety of situations Who This Book Is For If you're a data scientist already familiar with Python but not Scikit-Learn, or are familiar with other programming languages like R and want to take the plunge with the gold standard of Python machine learning libraries, then this is the book for you. What You Will Learn Address algorithms of various levels of complexity and learn how to analyze data at the same time Handle common data problems such as feature extraction and missing data Understand how to evaluate your models against themselves and any other model Discover just enough math needed to learn how to think about the connections between various algorithms Customize the machine learning algorithm to fit your problem, and learn how to modify it when the situation calls for it Incorporate other packages from the Python ecosystem to munge and visualize your dataset In Detail Python is quickly becoming the go-to language for analysts and data scientists due to its simplicity and flexibility, and within the Python data space, scikit-learn is the unequivocal choice for machine learning. Its consistent API and plethora of features help solve any machine learning problem it comes across. The book starts by walking through different methods to prepare your data—be it a dataset with missing values or text columns that require the categories to be turned into indicator variables. After the data is ready, you'll learn different techniques aligned with different objectives—be it a dataset with known outcomes such as sales by state, or more complicated problems such as clustering similar customers. Finally, you'll learn how to polish your algorithm to ensure that it's both accurate and resilient to new datasets.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Business Strategy: A Guide to Taking Your Business Forward (The Economist)

دانلود کتاب Atomic Doctors: Conscience and Complicity at the Dawn of the Nuclear Age

دانلود کتاب The Cambridge Companion to Friedrich Schleiermacher

دانلود کتاب Food for Fitness: Our 100 Top recipes presented in one cookbook

دانلود کتاب Hypertension: A Clinical Guide