Построение систем машинного обучения на языке Python. Руководство (1006224)

Книга рассчитана на программистов, пишущих на Python и желающих узнать о построении систем машинного обучения с помощью библиотек с открытым исходным кодом. Мы рассматриваем основные модели машинного обучения на примерах, взятых из реальной жизни. Эта книга будет полезна также специалистам по машинному обучению, желающим использовать Python для создания своих систем. В главе 1`Введение в машинное обучение на языке Python` читатель знакомится с основной идеей машинного обучения на очень простом примере. Но, несмотря на простоту, в этом примере имеет место опасность переобучения.В главе 2`Классификация в реальной жизни` мы используем реальные данные, чтобы продемонстрировать классификацию и научить компьютер различать различные классы цветов.В главе 3`Кластеризация - поиск взаимосвязанных сообщений` мы узнаем об эффективности модели набора слов, с помощью которой сумеем найти похожие сообщения, не`понимая` их смысла.В главе 4`Тематическое моделирование` мы не станем ограничиваться отнесением сообщения только к одному кластеру, а свяжем с ним несколько тем, поскольку политематичность характерна для реальных текстов.В главе 5`Классификация - выявление плохих ответов` мы узнаем, как применить дилемму смещения-дисперсии к отладке моделей машинного обучения, хотя эта глава посвящена в основном использованию логистической регрессии для оценки того, хорош или плох ответ пользователя на заданный вопрос.В главе 6`Классификация II - анализ эмоциональной окраски` объясняется принцип работы наивного байесовского классификатора и описывается, как с его помощью узнать, несет ли твит положительный или отрицательный эмоциональный заряд.В главе 7`Регрессия` объясняется, как использовать классический, но не утративший актуальности метод - регрессию - при обработке данных. Вы узнаете и о более сложных методах регрессии, в частности Lasso и эластичных сетях.В главе 8`Рекомендование` мы построим систему рекомендования на основе выставленных потребителями оценок. Мы также узнаем, как формировать рекомендации, имея только данные о покупк