




这本书的主体内容包括机器学习概念与特征工程、机器学习技术、模型关系管理,其中,模型关系管理部分主要介绍了弱集成学习、强集成学习和混合专家模型。弱集成学习是指使用机器学习中的弱分类器实现模型准确度和稳定性之间的平衡。强集成学习是指协同特征工程与强分类器形成强集成学习环境。混合专家模型是指通过神经网络集成和网络结构设计形成深度学习框架。
目录:
第1 章 机器学习的基础概念 / 002
第2 章 特征工程技术 / 032
第3 章 机器学习准备 / 069
第4 章 统计学:回归“进化” / 087
第5 章 神经网络模型:预测 / 096
第6 章 决策树:归因与可视化 / 122
第7 章 支持向量机:高维数据 / 135
第8 章 关联分析 / 148
第9 章 集成学习方法:弱集成 / 160
第10 章 多阶段模型管理:强集成 / 181
第11 章 深度学习模型:混合专家 / 219
第12 章 自动化机器学习 / 246
点击下载