![](https://s3proxy.cdn-zlib.se/covers300/collections/userbooks/34cea93ea51e084e1df29da0412810545763c26d5de755f039e99e539b9e424b.jpg)
Fundamentals of Machine Learning for Predictive Data Analytics: Algorithms, Worked Examples, and Case Studies (The MIT Press)
Kelleher, John D., Namee, Brian Mac, D'Arcy, Aoife
全面介绍预测数据分析中使用的最重要的机器学习方法,涵盖理论概念和实际应用。机器学习通常用于通过从大型数据集中提取模式来构建预测模型。这些模型用于预测数据分析应用程序,包括价格预测、风险评估、预测客户行为和文档分类。这本入门教科书详细而集中地介绍了预测数据分析中使用的最重要的机器学习方法,涵盖了理论概念和实际应用。技术和数学材料通过解释性工作示例进行了补充,案例研究说明了这些模型在更广泛的业务环境中的应用。在讨论了从数据到洞察再到决策的轨迹之后,本书描述了机器学习的四种方法:基于信息的学习,基于相似性的学习,基于概率的学习和基于错误的学习。这些方法中的每一种都是通过对基本概念的非技术解释引入的,然后是数学模型和算法,并通过详细的工作示例进行说明。最后,本书考虑了评估预测模型的技术,并提供了两个案例研究,描述了从制定业务问题到分析解决方案实施的每个开发阶段的特定数据分析项目。这本书以作者多年的机器学习教学经验为依据,并致力于预测数据分析项目,适合计算机科学,工程,数学或统计学专业的本科生使用;由具有预测数据分析应用的学科的研究生;并作为专业人士的参考。
Categories:
Year:
2015
Edition:
Illustrated
Publisher:
The MIT Press
Language:
english
Pages:
624
ISBN 10:
0262029448
ISBN 13:
9780262029445
File:
MOBI , 8.07 MB
IPFS:
,
english, 2015
This book isn't available for download due to the complaint of the copyright holder
Beware of he who would deny you access to information, for in his heart he dreams himself your master