Обучение под наблюдением описывает сценарий, в котором опыт становится обучающим фактором, содержащим важную информацию (например, метки "больной/здоровый" для обнаружения болезней растений), которая отсутствует в невидимых "тестовых примерах", к которым будет применяться полученный опыт. В этом сценарии приобретенный опыт направлен на предсказание недостающей информации для тестовых данных. В этом смысле окружающую среду можно рассматривать как учителя, который контролирует ученика, предоставляя ему дополнительную информацию в виде меток. В этой книге мы рассмотрим модели контролируемого машинного обучения, с помощью которых вы поймете теоретические основы, некоторые описания прикладных областей, а затем реализуете каждую из них в лаборатории Jupyter с помощью библиотек pandas и scikit-learn для Python. Сначала вы начнете с логистической регрессии (бинарная классификация), многоклассовой классификации с помощью логистической регрессии, деревьев решений, машин векторов поддержки - SVM (Support Vector Machines), Random Forest, K-Fold Cross Validation и, наконец, Naive B
"Sinopsis" puede pertenecer a otra edición de este libro.
EUR 14,90 gastos de envío desde Alemania a España
Destinos, gastos y plazos de envíoEUR 11,00 gastos de envío desde Alemania a España
Destinos, gastos y plazos de envíoLibrería: Buchpark, Trebbin, Alemania
Condición: Hervorragend. Zustand: Hervorragend | Seiten: 112 | Sprache: Russisch | Produktart: Bücher. Nº de ref. del artículo: 40823372/1
Cantidad disponible: 1 disponibles
Librería: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Alemania
Taschenbuch. Condición: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -Obuchenie pod nablüdeniem opisywaet scenarij, w kotorom opyt stanowitsq obuchaüschim faktorom, soderzhaschim wazhnuü informaciü (naprimer, metki 'bol'noj/zdorowyj' dlq obnaruzheniq boleznej rastenij), kotoraq otsutstwuet w newidimyh 'testowyh primerah', k kotorym budet primenqt'sq poluchennyj opyt. V ätom scenarii priobretennyj opyt naprawlen na predskazanie nedostaüschej informacii dlq testowyh dannyh. V ätom smysle okruzhaüschuü sredu mozhno rassmatriwat' kak uchitelq, kotoryj kontroliruet uchenika, predostawlqq emu dopolnitel'nuü informaciü w wide metok. V ätoj knige my rassmotrim modeli kontroliruemogo mashinnogo obucheniq, s pomosch'ü kotoryh wy pojmete teoreticheskie osnowy, nekotorye opisaniq prikladnyh oblastej, a zatem realizuete kazhduü iz nih w laboratorii Jupyter s pomosch'ü bibliotek pandas i scikit-learn dlq Python. Snachala wy nachnete s logisticheskoj regressii (binarnaq klassifikaciq), mnogoklassowoj klassifikacii s pomosch'ü logisticheskoj regressii, derew'ew reshenij, mashin wektorow podderzhki - SVM (Support Vector Machines), Random Forest, K-Fold Cross Validation i, nakonec, Naive B 112 pp. Russisch. Nº de ref. del artículo: 9786205365274
Cantidad disponible: 2 disponibles
Librería: AHA-BUCH GmbH, Einbeck, Alemania
Taschenbuch. Condición: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Obuchenie pod nablüdeniem opisywaet scenarij, w kotorom opyt stanowitsq obuchaüschim faktorom, soderzhaschim wazhnuü informaciü (naprimer, metki 'bol'noj/zdorowyj' dlq obnaruzheniq boleznej rastenij), kotoraq otsutstwuet w newidimyh 'testowyh primerah', k kotorym budet primenqt'sq poluchennyj opyt. V ätom scenarii priobretennyj opyt naprawlen na predskazanie nedostaüschej informacii dlq testowyh dannyh. V ätom smysle okruzhaüschuü sredu mozhno rassmatriwat' kak uchitelq, kotoryj kontroliruet uchenika, predostawlqq emu dopolnitel'nuü informaciü w wide metok. V ätoj knige my rassmotrim modeli kontroliruemogo mashinnogo obucheniq, s pomosch'ü kotoryh wy pojmete teoreticheskie osnowy, nekotorye opisaniq prikladnyh oblastej, a zatem realizuete kazhduü iz nih w laboratorii Jupyter s pomosch'ü bibliotek pandas i scikit-learn dlq Python. Snachala wy nachnete s logisticheskoj regressii (binarnaq klassifikaciq), mnogoklassowoj klassifikacii s pomosch'ü logisticheskoj regressii, derew'ew reshenij, mashin wektorow podderzhki - SVM (Support Vector Machines), Random Forest, K-Fold Cross Validation i, nakonec, Naive B. Nº de ref. del artículo: 9786205365274
Cantidad disponible: 1 disponibles
Librería: moluna, Greven, Alemania
Condición: New. Nº de ref. del artículo: 760025256
Cantidad disponible: Más de 20 disponibles
Librería: buchversandmimpf2000, Emtmannsberg, BAYE, Alemania
Taschenbuch. Condición: Neu. Neuware -Obuchenie pod nablüdeniem opisywaet scenarij, w kotorom opyt stanowitsq obuchaüschim faktorom, soderzhaschim wazhnuü informaciü (naprimer, metki 'bol'noj/zdorowyj' dlq obnaruzheniq boleznej rastenij), kotoraq otsutstwuet w newidimyh 'testowyh primerah', k kotorym budet primenqt'sq poluchennyj opyt. V ätom scenarii priobretennyj opyt naprawlen na predskazanie nedostaüschej informacii dlq testowyh dannyh. V ätom smysle okruzhaüschuü sredu mozhno rassmatriwat' kak uchitelq, kotoryj kontroliruet uchenika, predostawlqq emu dopolnitel'nuü informaciü w wide metok. V ätoj knige my rassmotrim modeli kontroliruemogo mashinnogo obucheniq, s pomosch'ü kotoryh wy pojmete teoreticheskie osnowy, nekotorye opisaniq prikladnyh oblastej, a zatem realizuete kazhduü iz nih w laboratorii Jupyter s pomosch'ü bibliotek pandas i scikit-learn dlq Python. Snachala wy nachnete s logisticheskoj regressii (binarnaq klassifikaciq), mnogoklassowoj klassifikacii s pomosch'ü logisticheskoj regressii, derew'ew reshenij, mashin wektorow podderzhki - SVM (Support Vector Machines), Random Forest, K-Fold Cross Validation i, nakonec, Naive BBooks on Demand GmbH, Überseering 33, 22297 Hamburg 112 pp. Russisch. Nº de ref. del artículo: 9786205365274
Cantidad disponible: 2 disponibles