Machine Learning with Python Cookbook, 2E

Ce guide pratique propose plus de 200 recettes autonomes pour vous aider à résoudre les défis d'apprentissage automatique que vous pourriez rencontrer dans votre travail. Si vous êtes à l'aise avec Python et ses bibliothèques, y compris pandas et scikit-learn, vous serez en mesure d'aborder des problèmes spécifiques, depuis le chargement des données jusqu'à l'entraînement des modèles et l'utilisation des réseaux neuronaux.

Chaque recette de cette édition mise à jour comprend du code que vous pouvez copier, coller et exécuter avec un jeu de données d'exemple pour vous assurer qu'il fonctionne. À partir de là, vous pouvez adapter ces recettes en fonction de votre cas d'utilisation ou de votre application. Les recettes incluent une discussion qui explique la solution et fournit un contexte significatif. Allez au-delà de la théorie et des concepts en apprenant les éléments essentiels dont vous avez besoin pour construire des applications d'apprentissage automatique fonctionnelles.

Vous trouverez des recettes pour :

• Les vecteurs, matrices et tableaux
• Travailler avec des données provenant de CSV, JSON, SQL, bases de données, stockage cloud et autres sources
• Gérer des données numériques et catégorielles, du texte, des images et des dates et heures
• La réduction de dimensionnalité à l'aide de l'extraction ou de la sélection de caractéristiques
• L'évaluation et la sélection de modèles
• La régression linéaire et logique, les arbres et forêts, et les k-plus proches voisins
• Les machines à vecteurs de support (SVM), le naïf Bayes, le clustering et les modèles basés sur des arbres
• La sauvegarde et le chargement de modèles entraînés à partir de plusieurs frameworks.