在如今这个处处以数据驱动的世界中，机器学习正变得越来越大众化。它已经被广泛地应用于不同领域，如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识，然后介绍一些稍微复杂的机器学习算法，例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络，等等。
本书特色
用最火的Python语言、通过各种各样的机器学习算法来解决实际问题！
书中介绍的主要问题如下。
- 探索分类分析算法并将其应用于收入等级评估问题
- 使用预测建模并将其应用到实际问题中
- 了解如何使用无监督学习来执行市场细分
- 探索数据可视化技术以多种方式与数据进行交互
- 了解如何构建推荐引擎
- 理解如何与文本数据交互并构建模型来分析它
- 使用隐马尔科夫模型来研究语音数据并识别语音
目录
版权声明
译者序
前言
第 1 章 监督学习
第 2 章 创建分类器
第 3 章 预测建模
第 4 章 无监督学习——聚类
第 5 章 构建推荐引擎
第 6 章 分析文本数据
第 7 章 语音识别
第 8 章 解剖时间序列和时序数据
第 9 章 图像内容分析
第 10 章 人脸识别
第 11 章 深度神经网络
第 12 章 可视化数据
下载
https://pan.baidu.com/s/1pxdBNidmws5SwPDit6pvqw
