《機器學習系統(tǒng)設(shè)計：python語言實現(xiàn)》介紹了機器學習系統(tǒng)設(shè)計的整個過程，以及相關(guān)的Python庫，并在各個知識環(huán)節(jié)中都給出了Python示例，為設(shè)計高效機器學習系統(tǒng)提供詳實指南。

本書共9章，第1章介紹機器學習的設(shè)計原理和相關(guān)模型；第2章講解Python中眾多針對機器學習任務(wù)的程序包；第3章涵蓋大數(shù)據(jù)、數(shù)據(jù)屬性、數(shù)據(jù)源、數(shù)據(jù)處理和分析等主題，介紹基本的數(shù)據(jù)類型、結(jié)構(gòu)和屬性；第4章探索最常見的機器學習模型，即邏輯模型、樹狀模型和規(guī)則模型；第5章研究機器學習最常用的技術(shù)，創(chuàng)建線性回歸和Logistic回歸的假設(shè)語句；第6章介紹人工神經(jīng)網(wǎng)絡(luò)算法；第7章討論特征的不同類型，即定量特征、有序特征和分類特征，以及如何結(jié)構(gòu)化和變換特征；第8章介紹主要的集成方法及其在Scikit-learn中的實現(xiàn)；第9章介紹模型選擇和參數(shù)調(diào)優(yōu)技術(shù)，并將這些技術(shù)應(yīng)用于一些案例研究之中。

目錄

第1章　機器學習的思維1
第2章　工具和技術(shù)32
第3章　將數(shù)據(jù)變?yōu)樾畔?8
第4章　模型—從信息中學習81
第5章　線性模型100
第6章　神經(jīng)網(wǎng)絡(luò)119
第7章　特征—算法眼中的世界136
第8章　集成學習152
第9章　設(shè)計策略和案例研究169