国外原版书籍下载，Python统计学与机器学习实战

普大帝

你好！我是陪你一起进阶人生的普大帝！愿你成才！祝你成长！

来自Edouard Duchesnay, Tommy Löfstedt, Feki Younes撰写的手把手使用Python进行统计学与机器学习实战，涵盖Python安装使用、统计分析、机器学习与深度学习，实操代码，值得关注！

全文271页，建议英语不太好的，配合知云文献翻译软件阅读，这是一个免费软件

电子书下载 Statistics and Machine Learning in Python.pdf (6.01 MB, 下载次数: 1, 售价: 20 点体力)

2022-11-6 20:14 上传

点击文件名下载附件
售价: 20 点体力  [记录]
下载积分: 体力 -2 点

用于数据科学的 Python 生态系统

数据科学中的机器学习

机器学习涵盖两种主要类型的数据分析：

• 探索性分析：无监督学习。发现数据中的结构。例如：经验（在公司工作的年限）和薪水是相关的。
• 预测分析：监督学习。这有时被描述为“从过去中学习以预测未来”。场景：一家公司希望在潜在客户群中发现潜在的未来客户。回顾性数据分析：我们通过以前的潜在公司构成的数据，以及它们的特征（规模、领域、本地化等）。其中一些公司成为客户，另一些则没有。问题是，我们能否根据先前观察的特征预测哪些新公司更有可能成为客户？在此示例中，训练数据由一组n 个训练样本组成。
• 
• 本书主要内容

  用于数据科学的 Python 生态系统
  机器学习简介
  Python语言

  • 导入库
  • 基本操作
  • 数据类型
  • 执行控制语句
  • 列表推导、迭代器等
  • 函数
  • 正则表达式
  • 系统编程
  • 脚本和参数解析
  • 网络
  • 模块和包
  • 面向对象编程 (OOP)
  • Python 编程风格指南
    

  Numpy：数组和矩阵
  Pandas：数据操作
  数据可视化：matplotlib & seaborn
  单变量统计
  多元变量统计
  python中的时间序列
  线性降维和特征提取
  聚类
  回归问题的线性模型
  分类问题的线性模型
  非线性模型
  重采样方法
  集成学习：bagging、boosting 和 stacking
  梯度下降
  反向传播
  多层感知器(MLP)
  卷积神经网络
  迁移学习