Scikit-learn活用レシピ80+ : Python機械学習ライブラリ
著者
書誌事項
Scikit-learn活用レシピ80+ : Python機械学習ライブラリ
(Impress top gear)
インプレス, 2019.3
- タイトル別名
-
Scikit-learn cookbook : over 80 recipes for machine learning in python with scikit-learn
Python (パイソン) 機械学習 (きかいがくしゅう) ライブラリscikit-learn (サイキットラーン) 活用 (かつよう) レシピ80+ (ハチジュウプラス)
Python (パイソン) 機械学習 (きかいがくしゅう) ライブラリ : scikit-learn (サイキットラーン) 活用 (かつよう) レシピ80+ (ハチジュウプラス)
Python機械学習ライブラリ : scikit-learn活用レシピ80+
Python機械学習ライブラリ : scikit-learn活用レシピ80+
scikit-learn活用レシピ80+ : Python機械学習ライブラリ
- タイトル読み
-
Scikit-learn カツヨウ レシピ 80+ : Python キカイ ガクシュウ ライブラリ
大学図書館所蔵 件 / 全91件
-
該当する所蔵館はありません
- すべての絞り込み条件を解除する
この図書・雑誌をさがす
注記
原著2nd ed. (Packt pub., c2017)の翻訳
内容説明・目次
内容説明
一連の基本作法から、前処理、次元削減、線形モデル、交差検証、SVM、アンサンブル、テキスト分析、多分類、ニューラルネットワークまで、各種テクニックを幅広く解説。
目次
- 機械学習の枠組みを理解する—NumPyからパイプラインまで
- モデル構築前のワークフローと前処理—サンプルデータの作成から確率的勾配降下法まで
- 次元削減—PCAから性能テストまで
- 線形モデル—線形回帰からLARSまで
- ロジスティック回帰—データの読み込みからパイプラインまで
- 距離指標を使ったモデルの構築—k‐means法からk近傍法まで
- 交差検証とモデル構築後のワークフロー—モデルの選択から永続化まで
- サポートベクトルマシン—線形SVMからサポートベクトル回帰まで
- 決定木アルゴリズムとアンサンブル学習
- テキスト分類と多クラス分類
- ニューラルネットワーク
- 単純な推定器の作成
「BOOKデータベース」 より