Python机器学习实践:测试驱动的开发方法
内容简介
本书一开始就立足于软件编写、算法测试的实践指导,为读者理解示例代码、动手编写自己的程序做必要的铺垫。
然后,作者才开始简明扼要地介绍机器学习算法的定义,以及读者必须知道的算法类别、这些算法又各自有何神通,并轻轻点出:每个算法也有它的死穴。
第三章到第九章,作者深入详实地讲解了几种有代表性的机器学习算法:K-最近邻,朴素贝叶斯分类,决策树和随机森林,隐马尔可夫模型,支持向量机,神经网络,以及聚类。在这些章节中,不但讲解了算法核心部分的数学表达,也用机智、形象的语言描述了算法如何在实际生活中解决问题,并给出了关键的Python代码示例和算法训练、测试过程。
作者简介
Matthew Kirk是一名软件咨询师、作者和国际演讲者,擅长机器学习和数据科学,使用Ruby和Python编程。现居于西雅图,他喜欢帮助软件工程师将数据科学融入到他们的技术栈中。