machine learning book

與Pytorch和Scikit-Learn書籍的機器學習

代碼存儲庫

平裝本：770頁
出版商：Packt Publishing
語言：英語

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

鏈接

• 亞馬遜鏈接
• Packt鏈接
• 博客文章總結內容

目錄和代碼筆記本表

有用的安裝和設置說明可以在第1章的readme.md文件中找到。

此外，Zbynek Bazanowski為這份有用的指南提供了貢獻，該指南解釋瞭如何在Google Colab上運行代碼示例。

請注意，這些只是本書隨附的代碼示例，我們為您的方便上傳而上傳；請注意，如果沒有公式和描述性文本，這些筆記本可能沒有用。

1. 機器學習 - 使計算機能夠從數據[Open Dir]中學習
2. 訓練機器學習算法用於分類[Open DIR]
3. 使用Scikit-Learn [Open Dir]參觀機器學習分類器
4. 建立良好的培訓集 - 數據預處理[Open Dir]
5. 通過降低維度來壓縮數據[OPEN DIR]
6. 學習用於模型評估和超參數優化的最佳實踐[Open DIR]
7. 結合合奏學習的不同模型[Open Dir]
8. 將機器學習應用於情感分析[Open Dir]
9. 通過回歸分析預測連續目標變量[Open DIR]
10. 使用未標記的數據 - 聚類分析[Open DIR]
11. 從頭開始實施多層人工神經網絡[Open Dir]
12. 與Pytorch [Open Dir]並行化神經網絡培訓
13. 更深入 - Pytorch的機制[Open Dir]
14. 用深卷積神經網絡分類圖像[Open Dir]
15. 使用複發性神經網絡[Open DIR]對順序數據進行建模
16. 變壓器 - 通過注意機制改善自然語言處理[Open Dir]
17. 生成的對抗網絡，用於合成新數據[Open Dir]
18. 圖形神經網絡用於捕獲圖形結構化數據中的依賴項[OPEN DIR]
19. 在復雜環境中進行決策的強化學習[Open Dir]

---

Sebastian Raschka，Yuxi（Hayden）Liu和Vahid Mirjalili。使用Pytorch和Scikit-Learn進行機器學習。 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}  
}

​

編碼環境

請參閱ch01/readme.md文件以獲取設置建議。

翻譯成其他語言

• 塞爾維亞翻譯：MašinskoUčenjeuz pytorch I Scikit-learn。 ISBN：9788673105772