Machine Learning with Python Cookbook, 2E

Questa pratica guida offre oltre 200 ricette autonome che ti aiutano ad affrontare le sfide nel campo dell'apprendimento automatico che potresti incontrare nel tuo lavoro. Se hai familiarità con Python e le sue librerie, tra cui pandas e scikit-learn, puoi affrontare problemi specifici, dal caricamento dei dati all'addestramento dei modelli e all'utilizzo delle reti neurali.

Ogni ricetta in questa edizione aggiornata contiene codice che puoi copiare, incollare ed eseguire con un set di dati di prova per assicurarti che funzioni. Da lì, puoi adattare queste ricette al tuo caso d'uso o alla tua applicazione. Le ricette includono una discussione che spiega la soluzione e fornisce un contesto significativo. Vai oltre la teoria e i concetti imparando le basi necessarie per creare applicazioni funzionanti nel campo dell'apprendimento automatico.

Troverai ricette per:

• Vettori, matrici e array
• Lavorare con dati provenienti da CSV, JSON, SQL, database, archiviazione cloud e altre fonti
• Gestire dati numerici e categorici, testi, immagini, nonché date e orari
• Riduzione dimensionale tramite estrazione o selezione delle caratteristiche
• Valutazione e selezione dei modelli
• Regressione lineare e logistica, alberi e foreste, e k-vicini più prossimi
• Macchine a vettori di supporto (SVM), naive Bayes, clustering e modelli basati su alberi
• Salvataggio e caricamento di modelli addestrati da più framework.