machine learning book

与Pytorch和Scikit-Learn书籍的机器学习

代码存储库

平装本：770页
出版商：Packt Publishing
语言：英语

ISBN-10：1801819319
ISBN-13：978-1801819312
Kindle Asin：B09NW48MR1

链接

• 亚马逊链接
• Packt链接
• 博客文章总结内容

目录和代码笔记本表

有用的安装和设置说明可以在第1章的readme.md文件中找到。

此外，Zbynek Bazanowski为这份有用的指南提供了贡献，该指南解释了如何在Google Colab上运行代码示例。

请注意，这些只是本书随附的代码示例，我们为您的方便上传而上传；请注意，如果没有公式和描述性文本，这些笔记本可能没有用。

1. 机器学习 - 使计算机能够从数据[Open Dir]中学习
2. 训练机器学习算法用于分类[Open DIR]
3. 使用Scikit-Learn [Open Dir]参观机器学习分类器
4. 建立良好的培训集 - 数据预处理[Open Dir]
5. 通过降低维度来压缩数据[OPEN DIR]
6. 学习用于模型评估和超参数优化的最佳实践[Open DIR]
7. 结合合奏学习的不同模型[Open Dir]
8. 将机器学习应用于情感分析[Open Dir]
9. 通过回归分析预测连续目标变量[Open DIR]
10. 使用未标记的数据 - 聚类分析[Open DIR]
11. 从头开始实施多层人工神经网络[Open Dir]
12. 与Pytorch [Open Dir]并行化神经网络培训
13. 更深入 - Pytorch的机制[Open Dir]
14. 用深卷积神经网络分类图像[Open Dir]
15. 使用复发性神经网络[Open DIR]对顺序数据进行建模
16. 变压器 - 通过注意机制改善自然语言处理[Open Dir]
17. 生成的对抗网络，用于合成新数据[Open Dir]
18. 图形神经网络用于捕获图形结构化数据中的依赖项[OPEN DIR]
19. 在复杂环境中进行决策的强化学习[Open Dir]

---

Sebastian Raschka，Yuxi（Hayden）Liu和Vahid Mirjalili。使用Pytorch和Scikit-Learn进行机器学习。 Packt Publishing，2022年。

 @book{mlbook2022,  
address = {Birmingham, UK},  
author = {Sebastian Raschka, and Yuxi (Hayden) Liu, and Vahid Mirjalili},  
isbn = {978-1801819312},   
publisher = {Packt Publishing},  
title = {{Machine Learning with PyTorch and Scikit-Learn}},  
year = {2022}  
}

​

编码环境

请参阅ch01/readme.md文件以获取设置建议。

翻译成其他语言

• 塞尔维亚翻译：MašinskoUčenjeuz pytorch I Scikit-learn。 ISBN：9788673105772