系列文章目錄

作者：i阿極

作者簡(jiǎn)介：數(shù)據(jù)分析領(lǐng)域優(yōu)質(zhì)創(chuàng)作者、多項(xiàng)比賽獲獎(jiǎng)?wù)撸翰┲鱾€(gè)人首頁(yè)

??????如果覺得文章不錯(cuò)或能幫助到你學(xué)習(xí)，可以點(diǎn)贊??收藏??評(píng)論??+關(guān)注哦！??????

??????如果有小伙伴需要數(shù)據(jù)集和學(xué)習(xí)交流，文章下方有交流學(xué)習(xí)區(qū)！一起學(xué)習(xí)進(jìn)步！??

大家好，我i阿極。喜歡本專欄的小伙伴，請(qǐng)多多支持

1、前言

近年來，機(jī)器學(xué)習(xí)方法憑借其理解海量數(shù)據(jù)和自主決策的能力，已在醫(yī)療保健、 機(jī)器人、生物學(xué)、物理學(xué)、大眾消費(fèi)和互聯(lián)網(wǎng)服務(wù)等行業(yè)得到了廣泛的應(yīng)用。自從AlexNet模型在2012年ImageNet大賽被提出以來，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)迅猛發(fā)展，取得了一個(gè)又一個(gè)里程碑式的成就，深刻地影響了工業(yè)界、學(xué)術(shù)界和人們的生活。

如今，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、人工智能已經(jīng)成為信息領(lǐng)域最熱門的研究方向，在就業(yè)市場(chǎng)這些領(lǐng)域的工作也非常吸引人?？茖W(xué)的巨大飛躍通常來自精彩的想法和易用的工具，機(jī)器學(xué)習(xí)也不例外。

在實(shí)踐中應(yīng)用機(jī)器學(xué)習(xí)需要理論和工具的結(jié)合。對(duì)于機(jī)器學(xué)習(xí)的入門讀者而言， 從理解原理概念到確定要安裝的軟件包都有一定的難度。許多在最開始嘗試機(jī)器學(xué)習(xí)的時(shí)候，會(huì)發(fā)現(xiàn)理解一個(gè)算法在干什么真的非常難。不僅僅是因?yàn)樗惴ɡ锔鞣N繁雜的數(shù)學(xué)理論和難懂的符號(hào)，沒有實(shí)際的例子，光靠定義和推導(dǎo)來了解一個(gè)算法實(shí)在是很無聊。就連網(wǎng)絡(luò)上的相關(guān)的指導(dǎo)材料，能找到的通常都是各種公式以及晦澀難懂的解釋，很少有人能夠細(xì)致的將所有細(xì)節(jié)加以說明。

因此，《Python機(jī)器學(xué)習(xí)：基于PyTorch和Scikit-Learn》這本書的定位是把機(jī)器學(xué)習(xí)理論和工程實(shí)踐結(jié)合起來，從而降低讀者的閱讀門檻。從數(shù)據(jù)驅(qū)動(dòng)方法的基礎(chǔ)知識(shí)到最新的深度學(xué)習(xí)框架，本書每一章都提供了機(jī)器學(xué)習(xí)代碼示例，用于解決實(shí)際應(yīng)用中的機(jī)器學(xué)習(xí)問題。

2、內(nèi)容簡(jiǎn)介

本書是一本全面介紹在PyTorch環(huán)境下學(xué)習(xí)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的綜合指南，可以作為初學(xué)者的入門教程，也可以作為讀者開發(fā)機(jī)器學(xué)習(xí)項(xiàng)目時(shí)的參考書。

本書講解清晰、示例生動(dòng)，深入介紹了機(jī)器學(xué)習(xí)方法的基礎(chǔ)知識(shí)，不僅提供了構(gòu)建機(jī)器學(xué)習(xí)模型的說明，而且提供了構(gòu)建機(jī)器學(xué)習(xí)模型和解決實(shí)際問題的基本準(zhǔn)則。本書添加了基于PyTorch的深度學(xué)習(xí)內(nèi)容，介紹了新版Scikit-Learn。本書涵蓋了多種用于文本和圖像分類的機(jī)器學(xué)習(xí)與深度學(xué)習(xí)方法，介紹了用于生成新數(shù)據(jù)的生成對(duì)抗網(wǎng)絡(luò)（GAN）和用于訓(xùn)練智能體的強(qiáng)化學(xué)習(xí)。最后，本書還介紹了深度學(xué)習(xí)的新動(dòng)態(tài)，包括圖神經(jīng)網(wǎng)絡(luò)和用于自然語(yǔ)言處理（NLP）的大型transformer。無論是機(jī)器學(xué)習(xí)入門新手，還是計(jì)劃跟蹤機(jī)器學(xué)習(xí)進(jìn)展的研發(fā)人員，都可以將本書作為使用Python進(jìn)行機(jī)器學(xué)習(xí)的不二之選。

學(xué)完本書，你將能夠：

• 探索機(jī)器從數(shù)據(jù)中“學(xué)習(xí)”的框架、模型和方法。
• 使用Scikit-Learn實(shí)現(xiàn)機(jī)器學(xué)習(xí)，使用PyTorch實(shí)現(xiàn)深度學(xué)習(xí)。
• 訓(xùn)練機(jī)器學(xué)習(xí)分類器分類圖像、文本等數(shù)據(jù)。
• 構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)、transformer及圖神經(jīng)網(wǎng)絡(luò)。
• 探索評(píng)估和優(yōu)化模型的最佳方法。
• 使用回歸分析預(yù)測(cè)連續(xù)目標(biāo)結(jié)果。
• 使用情感分析深入地挖掘文本和社交媒體數(shù)據(jù)。

3、作者簡(jiǎn)介

塞巴斯蒂安·拉施卡（Sebastian Raschka）
獲密歇根州立大學(xué)博士學(xué)位，現(xiàn)在是威斯康星-麥迪遜大學(xué)統(tǒng)計(jì)學(xué)助理教授，從事機(jī)器學(xué)習(xí)和深度學(xué)習(xí)研究。他的研究方向是數(shù)據(jù)受限的小樣本學(xué)習(xí)和構(gòu)建預(yù)測(cè)有序目標(biāo)值的深度神經(jīng)網(wǎng)絡(luò)。他還是一位開源貢獻(xiàn)者，擔(dān)任Grid.ai的首席AI教育家，熱衷于傳播機(jī)器學(xué)習(xí)和AI領(lǐng)域知識(shí)。

劉玉溪（海登）[ Yuxi (Hayden) Liu ]
在谷歌公司擔(dān)任機(jī)器學(xué)習(xí)軟件工程師，曾擔(dān)任機(jī)器學(xué)習(xí)科學(xué)家。他是一系列機(jī)器學(xué)習(xí)書籍的作者。他的第一本書Python Machine Learning By Example在2017年和2018年亞馬遜同類產(chǎn)品中排名第一，已被翻譯成多種語(yǔ)言。
瓦希德·米爾賈利利（Vahid Mirjalili）
獲密歇根州立大學(xué)機(jī)械工程和計(jì)算機(jī)科學(xué)雙博士學(xué)位，是一名專注于計(jì)算機(jī)視覺和深度學(xué)習(xí)的科研工作者。

作者Sebastian Raschka很擅長(zhǎng)用易于理解的方式解釋復(fù)雜的方法和概念。隨著深度學(xué)習(xí)革命深入到各個(gè)領(lǐng)域，Sebastian Raschka和他的團(tuán)隊(duì)不斷升級(jí)、完善書的內(nèi)容，陸續(xù)出版了第2版和第3版。本書在前3個(gè)版本的基礎(chǔ)上新增了某些章節(jié)，包含了PyTorch相關(guān)的內(nèi)容，覆蓋了Transformer和圖神經(jīng)網(wǎng)絡(luò)。這些是目前深度學(xué)習(xí)領(lǐng)域的前沿方法，在過去兩年中席卷了文本理解和分子結(jié)構(gòu)等領(lǐng)域。
作者擁有專業(yè)知識(shí)和解決實(shí)際問題的經(jīng)驗(yàn)，因此出色地平衡了書中的理論知識(shí)和動(dòng)手實(shí)踐內(nèi)容。Sebastian Raschka和Vahid Mirjalili在計(jì)算機(jī)視覺和計(jì)算生物學(xué)領(lǐng)域擁有豐富的科研經(jīng)驗(yàn)。Yuxi Liu擅長(zhǎng)解決機(jī)器學(xué)習(xí)領(lǐng)域的實(shí)際問題，例如將機(jī)器學(xué)習(xí)方法用于事件預(yù)測(cè)、推薦系統(tǒng)等。本書的作者都對(duì)教育有著滿腔熱忱，他們用淺顯易懂的語(yǔ)言編寫了本書以滿足讀者的需求。

4、代碼示例

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

# 加載數(shù)據(jù)集
data = load_iris()
X = data.data
y = data.target

# 拆分?jǐn)?shù)據(jù)集為訓(xùn)練集和測(cè)試集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=1234)

# 創(chuàng)建模型并進(jìn)行訓(xùn)練
model = LogisticRegression()
model.fit(X_train, y_train)

# 在測(cè)試集上進(jìn)行預(yù)測(cè)
y_pred = model.predict(X_test)

# 計(jì)算準(zhǔn)確率
accuracy = accuracy_score(y_test, y_pred)
print("準(zhǔn)確率：", accuracy)

注意:非書本代碼示例

5、好書活動(dòng)

??本次送 5本書 ，評(píng)論區(qū)抽5位小伙伴送書
??活動(dòng)時(shí)間：截止到 2023-07-17 14:00:00
??抽獎(jiǎng)方式：利用爬蟲進(jìn)行隨機(jī)抽獎(jiǎng)。
??參與方式：關(guān)注博主、點(diǎn)贊、收藏，評(píng)論區(qū)評(píng)論 “人生苦短，我用python！”
ps:一定要關(guān)注博主，不然中獎(jiǎng)后將無效
??通知方式：通過動(dòng)態(tài)與私信與本文最后同時(shí)公布

獲獎(jiǎng)名單：
士別三日wyx
cangru1178
Zouia Gail
W_x h
小菜雞

京東購(gòu)買鏈接：https://item.jd.com/14028638.html
當(dāng)當(dāng)購(gòu)買鏈接：http://product.dangdang.com/29589504.html

??文章下方有交流學(xué)習(xí)區(qū)！一起學(xué)習(xí)進(jìn)步！??????
??首發(fā)CSDN博客，創(chuàng)作不易，如果覺得文章不錯(cuò)，可以點(diǎn)贊??收藏??評(píng)論??
??你的支持和鼓勵(lì)是我創(chuàng)作的動(dòng)力???文章來源地址http://www.zghlxwxcb.cn/news/detail-552777.html

到了這里，關(guān)于【i阿極送書——第五期】《Python機(jī)器學(xué)習(xí)：基于PyTorch和Scikit-Learn》的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！