Machine Learning with Python Cookbook, 2E

Questa guida pratica offre oltre 200 ricette autonome per aiutarti a risolvere le sfide di machine learning che potresti incontrare nel tuo lavoro. Se hai familiarità con Python e le sue librerie, tra cui pandas e scikit-learn, sarai in grado di affrontare problemi specifici, dal caricamento dei dati all'addestramento dei modelli e all'utilizzo delle reti neurali.

Ogni ricetta in questa edizione aggiornata include codice che puoi copiare, incollare e eseguire con un dataset di prova per assicurarti che funzioni. Da lì, puoi adattare queste ricette in base al tuo caso d'uso o applicazione. Le ricette includono una discussione che spiega la soluzione e fornisce un contesto significativo. Vai oltre la teoria e i concetti, imparando i dettagli necessari per costruire applicazioni di machine learning funzionanti.

Troverai ricette per:

• Vettori, matrici e array
• Lavorare con dati da CSV, JSON, SQL, database, archiviazione cloud e altre fonti
• Gestire dati numerici e categorici, testo, immagini e date e orari
• Riduzione della dimensionalità utilizzando l'estrazione o la selezione delle caratteristiche
• Valutazione e selezione dei modelli
• Regressione lineare e logica, alberi e foreste, e k-nearest neighbors
• Macchine a vettori di supporto (SVM), naive Bayes, clustering e modelli basati su alberi
• Salvataggio e caricamento di modelli addestrati da più framework.