現在學機器學習，正是最好的年代！
在過去要處理資料，就要用C語言撰寫函數；在Python裡，別人已寫好了許多套件，只要像是在玩樂高積木一樣，就能完成你想要的結果。因此我會說，現在是學機器學習最好的時候，你等於是站在巨人的肩膀上學習。
本書沒有複雜的數學，沒有複雜的程式碼，以有系統的編排，引領你進入機器學習的世界。
我們會介紹sklearn的資料預處理；簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、K最近鄰、支持向量機、決策樹、隨機森林等監督式的機器學習模型。而在非監督模型上會介紹Kmeans。
另外，大部分的書不會強調的ColumnTransformer、管道器製作。許多書沒有解釋清楚的模型預測重要指標：正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線，我們也會一次詳細說明，讓你一手掌握。
實例演練時會操作中英文的文字處理，並做情感分析和主題探索。還有知名的大數據資料庫，包括波斯頓房價預測、鳶尾花資料、鐵達尼號資料、威斯康辛大學醫院收集的乳癌腫瘤病患預測、電信公司客戶流失預測、信用卡盜刷預測、Newsgroup新聞群組分類、Amazon商品評論預測、Tripadvisor裡兩家航空公司和數字預測。
最後教大家如何將深度學習的模組也包裝到sklearn。
現在就讓我們一起學習Python，用機器學習掌握人工智慧。
本書特色
1. 本書利用Python的sklearn套件做資料預處理。
2. 學習主題「監督式的機器學習模型」包含：簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、K最近鄰、支持向量機、決策樹、隨機森林等。
3. 「非監督模型」介紹Kmeans。
4. 利用ColumnTransformer、管道器設計簡潔的機器學習程式，實作各種模型的正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線等指標。
在過去要處理資料，就要用C語言撰寫函數；在Python裡，別人已寫好了許多套件，只要像是在玩樂高積木一樣，就能完成你想要的結果。因此我會說，現在是學機器學習最好的時候，你等於是站在巨人的肩膀上學習。
本書沒有複雜的數學，沒有複雜的程式碼，以有系統的編排，引領你進入機器學習的世界。
我們會介紹sklearn的資料預處理；簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、K最近鄰、支持向量機、決策樹、隨機森林等監督式的機器學習模型。而在非監督模型上會介紹Kmeans。
另外，大部分的書不會強調的ColumnTransformer、管道器製作。許多書沒有解釋清楚的模型預測重要指標：正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線，我們也會一次詳細說明，讓你一手掌握。
實例演練時會操作中英文的文字處理，並做情感分析和主題探索。還有知名的大數據資料庫，包括波斯頓房價預測、鳶尾花資料、鐵達尼號資料、威斯康辛大學醫院收集的乳癌腫瘤病患預測、電信公司客戶流失預測、信用卡盜刷預測、Newsgroup新聞群組分類、Amazon商品評論預測、Tripadvisor裡兩家航空公司和數字預測。
最後教大家如何將深度學習的模組也包裝到sklearn。
現在就讓我們一起學習Python，用機器學習掌握人工智慧。
本書特色
1. 本書利用Python的sklearn套件做資料預處理。
2. 學習主題「監督式的機器學習模型」包含：簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、K最近鄰、支持向量機、決策樹、隨機森林等。
3. 「非監督模型」介紹Kmeans。
4. 利用ColumnTransformer、管道器設計簡潔的機器學習程式，實作各種模型的正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線等指標。