具体描述
本书面向所有对机器学习与数据挖掘的实践及竞赛感兴趣的读者，从零开始，以Python编程语言为基础，在不涉及大量数学模型与复杂编程知识的前提下，逐步带领读者熟悉并且掌握当下最流行的机器学习、数据挖掘与自然语言处理工具，如Scikitlearn、NLTK、Pandas、gensim、XGBoost、Google Tensorflow等。 全书共分4章。第1章简介篇，介绍机器学习概念与Python编程知识；第2章基础篇，讲述如何使用Scikitlearn作为基础机器学习工具；第3章进阶篇，涉及怎样借助高级技术或者模型进一步提升既有机器学习系统的性能；第4章竞赛篇，以Kaggle平台为对象，帮助读者一步步使用本书介绍过的模型和技巧，完成三项具有代表性的竞赛任务。
作者简介
目录信息
读后感
本书的三个关键词，python，机器学习和kaggle都是极其热门的，而且应该是市面上介绍kaggle的首批出版书籍。本书有数位牛人写推荐语，作者写书的态度也是认真的。但是对于入门python，入门机器学习都不太适合，市面上有更好的书籍可以选择。对于入门“如何用python做kaggle上的...
评分本书的三个关键词，python，机器学习和kaggle都是极其热门的，而且应该是市面上介绍kaggle的首批出版书籍。本书有数位牛人写推荐语，作者写书的态度也是认真的。但是对于入门python，入门机器学习都不太适合，市面上有更好的书籍可以选择。对于入门“如何用python做kaggle上的...
评分本书的三个关键词，python，机器学习和kaggle都是极其热门的，而且应该是市面上介绍kaggle的首批出版书籍。本书有数位牛人写推荐语，作者写书的态度也是认真的。但是对于入门python，入门机器学习都不太适合，市面上有更好的书籍可以选择。对于入门“如何用python做kaggle上的...
评分本书的三个关键词，python，机器学习和kaggle都是极其热门的，而且应该是市面上介绍kaggle的首批出版书籍。本书有数位牛人写推荐语，作者写书的态度也是认真的。但是对于入门python，入门机器学习都不太适合，市面上有更好的书籍可以选择。对于入门“如何用python做kaggle上的...
评分本书的三个关键词，python，机器学习和kaggle都是极其热门的，而且应该是市面上介绍kaggle的首批出版书籍。本书有数位牛人写推荐语，作者写书的态度也是认真的。但是对于入门python，入门机器学习都不太适合，市面上有更好的书籍可以选择。对于入门“如何用python做kaggle上的...
用户评价
基本没用。。有近乎三分之一的篇幅在讲Python语法。。什么鬼
评分读完，并把书上代码认真敲了一遍。书中主要介绍sklearn的用法，也介绍tensorflow、nltk、gensim这些技术，感觉适合对理论有一定了解，但是对实践不太了解的人。
评分对得起这个名字，按照书中操作，对于机器学习会有一个简单的认识，深入了解还需要继续学习。绝大部分内容都是在教读者用sklearn。
评分sklearn 的使用指南，适合作为新生入门！
评分作为入门书，感觉还凑活。囫囵吞枣看一遍就行了，原因有两点。作为日新月异的技术，还是应该多看论坛博客，如果以实战为目的，更应该看kaggle论坛和源码了；另外，机器学习重在细节，本书只是初步的框架，更多的经验得要从实践中学到。问渠哪得清如许，为有源头活水来。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美书屋 版权所有