机器学习 - 第1页

本书是一本在 PyTorch 环境下学习机器学习和深度学习的综合指南，可以作为初学者的入门教程，也可以作为读者开发机器学习项目时的参考书。本书讲解清晰、示例生动，深入介绍了机器学习方法的基础知识，不仅提供了构建机器学习模型的说明，而且提供了构建机器学习模型和解决实际问题的基本准则。本书添加了基于 PyTorch 的深度学习内容，介绍了新版 Scikit-Learn。本书涵盖了多种用于文本和图像分类

本书以机器学习基础知识做铺垫，深入剖析 XGBoost 的原理、分布式实现、模型优化、深度应用等。 第 1～3 章使读者对机器学习算法形成整体认知，了解如何优化模型以及评估预测结果，并熟悉常用机器学习算法的实现原理和应用，如线性回归、逻辑回归、决策树、神经网络、支持向量机等。 第 4 章借助实际案例，讲解如何通过 XGBoost 解决分类、回归、排序等问题，并介绍了 XGBoost 常用功能的使用