 本书针对Python 3.6+版本进行了全面更新, 涵盖了概率论、统计学和机器学习领域的关键思想, 并使用Python模块演示了这些领域的应用。作者通过多种分析方法和Python代码来处理有意义的示例, 开发了机器学习中的关键直觉, 从而将理论概念与具体实现联系起来; 还提供了某些重要结果的详细证明; 使用Pandas、Sympy、Scikit-learn、TensorFlow和Keras等流行的Python模块模拟和可视化了重要的机器学习概念 (如偏差与方差之间的权衡、交叉验证和正则化), 通过数值方法 |
|
|
