集成式學習：Python 實踐！整合全部技術，打造最強模型 F2387/張康寶譯 施威銘研究室監修 旗標科技 價格比較,價格查詢,價格歷史信息

賣場名稱：旗標科技

出版社：旗標

內容介紹:

別再傻傻只選一個模型

訓練很多模型，卻不知道應該選哪一個？沒有一個模型達標？每個模型都有其優缺點，無法取捨？

小朋友才做選擇，大人全都要！你該試試集成式學習！

集成式學習是使用 2 種或更多的機器學習演算法，來組合出預測能力更好的模型。DeepMind 已經使用集成式學習來組合多個神經網路，控制 Google 資料中心的運作效能；集成式學習技術也在 Kaggle 平台上，席捲了各個競賽的第一名寶座。因此，集成式學習是建立出更具威力的模型，不可或缺的技術之一。

本書會介紹實務上常見的集成式學習演算法，如硬投票、軟投票、堆疊法、自助聚合法、適應提升法、梯度提升法、隨機森林、極端隨機樹等，並且使用熱門的 scikit-learn、Keras、OpenEnsembles、XGBoost 等 Python 函式庫來實作各種不同的集成式學習技術，建構出一個強大的模型。熟稔本書的內容後，不但可以精通集成式學習，在實際情境中面對問題時，亦能具備充分的專業知識判斷適用的集成式學習方法，並成功實作它們。

書中採用「做中學」的方式，讓你不僅可以快速掌握理論基礎，也能了解各種集成式學習技術的實作，再加上運用真實世界中的資料集，你將能夠建立出更佳的機器學習模型，以解決各種問題，包含迴歸、分類、分群。

現在翻開本書，讓我們一起進入集成式學習的世界，整合你所會的全部技術，打造最強大的模型。

本書特色:

● 繁體中文第 1 本集成式學習專書，告訴你不要再傻傻地只選一個模型

● 完整介紹集成式學習中常見的演算法，包含極端隨機樹、堆疊法、自助聚合法、提升法等

● 一書掌握實作集成式學習的必備套件，如 Scikit-Learn、OpenEnsembles、XGBoost 等

● 用 Python 刻演算法給你看，接著告訴你怎麼用套件。讓你不只會做，還懂為什麼這麼做

● 以 5 個實務案例來展示集成式學習的威力

● 本書由施威銘研究室監修，內容易讀易懂，並加入大量「小編補充」補充必要知識

● 本書 Python 範例程式免費下載

作者簡介:

George Kyriakides

希臘馬其頓大學計算機方法與應用碩士畢業，目前為研究員。研究領域包含分散式神經網路架構、自動化生成及最佳化預測模型於影像辨識、時間序列資料、以及商業應用等。

Konstantinos G. Margaritis

英國羅浮堡大學應用資訊工程博士畢業，目前為希臘馬其頓大學應用資訊系教授。資訊工程的教學經驗長達 30 年，研究領域為平行及分散式智慧運算與機器學習。

目錄:

前言

第一篇 機器學習基礎知識

第 1 章 機器學習的概念

第 2 章 初探集成式學習（Ensemble Learning）

第二篇 非生成式演算法

第 3 章 投票法（Voting）

第 4 章 堆疊法（Stacking）

第三篇 生成式演算法

第 5 章 自助聚合法（Bootstrap Aggregation）

第 6 章 提升法（Boosting）

第 7 章 隨機森林（Random Forest）

第四篇 分群

第 8 章 分群（Clustering）

第五篇 5 個實務案例

第 9 章 檢測詐騙交易

第 10 章 預測比特幣價格

第 11 章 推特（Twitter）情感分析

第 12 章 推薦電影

第 13 章 世界幸福報告分群