编辑推荐
机器学习关注于预测，其核心是一种基于数学和算法的技术，要掌握该技术，需要对数学及统计概念有深入理解，能够熟练使用R 语言或者其他编程语言。本书通过集中介绍两类可以进行有效预测的机器学习算法，展示了如何使用Python 编程语言完成机器学习任务，从而降低机器学习难度，使机器学习能够被更广泛的人群掌握。作者利用多年的机器学习经验带领读者设计、构建并实现自己的机器学习方案。
本书尽可能地用简单的术语来介绍算法，避免复杂的数学推导，同时提供了示例代码帮助读者迅速上手。读者会很快深入了解模型构建背后的原理，不论简单问题还是复杂问题，读者都可以学会如何找到问题的解决算法。书中详细的示例，给出了具体的可修改的代码，展示了机器学习机理，涵盖了线性回归和集成方法，帮助理解使用机器学习方法的基本流程。
本书为不具备数学或统计背景的读者量身打造，详细介绍了如何：
● 针对任务选择合适算法；
● 对不同目的应用训练好的模型；
● 学习数据处理机制，准备数据；
● 评估模型性能以保证应用效果；
● 掌握Python 机器学习核心算法包；
● 使用示例代码设计和构建你自己的模型；
● 构建实用的多功能预测模型。
内容简介
在学习和研究机器学习的时候，面临令人眼花缭乱的算法，机器学习新手往往会不知 所措。本书从算法和Python 语言实现的角度，帮助读者认识机器学习。本书专注于两类核心的“算法族”，即惩罚线性回归和集成方法，并通过代码实例来 展示所讨论的算法的使用原则。全书共分为7 章，详细讨论了预测模型的两类核心算法、预测模型的构建、惩罚线性回归和集成方法的具体应用和实现。本书主要针对想提高机器学习技能的Python 开发人员，帮助他们解决某一特定的项目或是提升相关的技能。
作者简介
Michael Bowles 在硅谷***道场教授机器学习，提供机器学习项目咨询，同时参与了多家创业公司，涉及的领域包括生物信息学、金融高频交易等。他在麻省理工学院获得助理教授教职后，创建并运营了两家硅谷创业公司，这两家公司都已成功上市。他在***道场的课程往往听者云集并且好评颇多。
书籍资源请搜索关注“中科院计算所培训中心”公众号，添加公众号上的微信客服咨询。