Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 3 votes.
Titre original :
The Art of Machine Learning: A Hands-On Guide to Machine Learning with R
Contenu du livre :
Ce guide pratique vous permettra d'appliquer de manière experte une série de méthodes d'apprentissage automatique à des données réelles.
Rempli d'ensembles de données réels et d'exemples pratiques, L'art de l'apprentissage automatique vous aidera à développer une compréhension intuitive du fonctionnement des méthodes d'apprentissage automatique, sans qu'il soit nécessaire de faire des mathématiques avancées.
Au fil du livre, vous apprendrez à mettre en œuvre un éventail de techniques d'apprentissage automatique puissantes, en commençant par la méthode des k-voisins les plus proches (k-NN) et les forêts aléatoires, puis en passant par le renforcement du gradient, les machines à vecteurs de support (SVM), les réseaux neuronaux et bien d'autres encore.
À l'aide d'ensembles de données réels, vous vous plongerez dans les modèles de régression en utilisant un ensemble de données sur le partage de vélos, vous explorerez les arbres de décision en exploitant les données sur les taxis de la ville de New York et vous disséquerez les méthodes paramétriques à l'aide de statistiques sur les joueurs de baseball. Vous trouverez également des conseils d'experts pour éviter les problèmes courants, comme le traitement de données "sales" ou déséquilibrées, et pour résoudre les problèmes.
Vous découvrirez également :
⬤ Comment traiter les grands ensembles de données et les techniques de réduction des dimensions.
⬤ Des détails sur la façon dont le compromis biais-variance joue dans des méthodes de ML spécifiques.
⬤ Les modèles basés sur des relations linéaires, y compris la régression ridge et LASSO.
⬤ Classification d'images et de textes dans le monde réel et traitement des données de séries temporelles.
L'apprentissage automatique est un art qui nécessite des réglages et des ajustements minutieux. Avec L'art de l'apprentissage automatique comme guide, vous maîtriserez les principes sous-jacents de l'apprentissage automatique qui vous permettront d'utiliser efficacement ces modèles, plutôt que de simplement fournir quelques actions de stock avec une utilisation pratique limitée.
Exigences : Une compréhension de base des graphiques et des tableaux et une familiarité avec le langage de programmation R.
Autres informations sur le livre :
| ISBN : | 9781718502109 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2024 |
| Nombre de pages : | 272 |
Achat:
Actuellement disponible, en stock.
