Python-Real-World-Machine-Learning
前言
- 本书结构
- 准备知识以及开源库
第一部分
- 第一章: 监督学习领域
- 第二章: 构造分类器
- 第三章: 预测建模
- 第四章: 聚类(无监督学习)
- 第五章: 构建推荐系统
- 第六章: 文本分析
- 第七章: 语音识别
- 第八章: 解析时间序列和顺序数据
- 第九章: 图像分析
- 第十章: 人脸识别
- 第十一章: 深度神经网络
- 第十二章: 可视化数据
第二部分
- 第一章: 无监督学习
- 第二章: 深度信念网络
- 第三章: 去噪自动编码器
- 第四章: 卷积神经网络
- 第五章: 半监督学习
- 第六章: 文本特征工程
- 第七章: 特征工程 II
- 第八章: 合奏方法
- 第九章: 其他 Python 机器学习工具
第三部分
- 第一章: 可扩展性
- 第二章: scikit-learn中的可扩展性
- 第三章: 快速支持向量机实现
- 第四章: 神经网络和深度学习
- 第五章: TensorFlow与深度学习
- 第六章: 大规模分类与回归树
- 第七章: 大规模无监督学习
- 第八章: 分布式环境 Hadoop与Spark
- 第九章: Spark的实用机器学习
附录

Powered by GitBook

前言

Python机器学习食谱

results matching ""

No results matching ""