Machine Learning with Python Cookbook, 2E

Ce guide pratique propose plus de 200 recettes autonomes qui vous aideront à relever les défis liés à l'apprentissage automatique que vous pourriez rencontrer dans votre travail. Si vous êtes familiarisé avec Python et ses bibliothèques, y compris pandas et scikit-learn, vous pourrez aborder des problèmes spécifiques, de la chargement des données à l'entraînement de modèles et à l'utilisation de réseaux neuronaux.

Chaque recette de cette édition mise à jour contient du code que vous pouvez copier, coller et exécuter avec un jeu de données de test pour vous assurer qu'il fonctionne. À partir de là, vous pouvez adapter ces recettes à votre cas d'utilisation ou à 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 bases nécessaires pour créer des applications fonctionnelles dans le domaine de l'apprentissage automatique.

Vous trouverez des recettes pour :

• Vecteurs, matrices et tableaux
• Travailler avec des données provenant de CSV, JSON, SQL, bases de données, stockage cloud et d'autres sources
• Gérer des données numériques et catégorielles, du texte, des images ainsi que des dates et heures
• Réduction de dimension par extraction ou sélection de caractéristiques
• Évaluation et sélection de modèles
• Régression linéaire et logistique, arbres et forêts ainsi que k-plus proches voisins
• Machines à vecteurs de support (SVM), naïve Bayes, clustering et modèles basés sur des arbres
• Sauvegarde et chargement de modèles entraînés à partir de plusieurs frameworks.