作者:
Sebastian Raschka
/
Vahid Mirjalili
出版社: Packt Publishing - ebooks Account
副标题: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 2nd Edition
出版年: 2017-9-6
页数: 501
定价: USD 49.99
装帧: Paperback
ISBN: 9781787125933
出版社: Packt Publishing - ebooks Account
副标题: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 2nd Edition
出版年: 2017-9-6
页数: 501
定价: USD 49.99
装帧: Paperback
ISBN: 9781787125933
喜欢读"Python Machine Learning"的人也喜欢 · · · · · ·
Python Machine Learning的书评 · · · · · · ( 全部 14 条 )
机器学习和深度学习新书推荐
《Python机器学习:基于PyTorch和Scikit-Learn》是一本塞巴斯蒂安·拉施卡(Sebastian Raschka) [美]刘玉溪(海登)(Yuxi (Hayden) Liu) [美]瓦希德·米尔贾利利(Vahid Mirjalili)合著的关于机器学习的经典教材。本书主要介绍了机器学习的基本概念、常用算法以及如何使用Pyt...
(展开)
内容更丰富、工具更新
相比第二版多了如下内容: ------------------- 第17章介绍一种常用的神经网络对抗训练机制,可用于生成逼真的新图像。该章首先简要地介绍自动编码器,这是一种可用于数据压缩的特定类型的神经网络体系结构。然后展示如何将自动编码器的解码器部分与第二个神经网络相结合,以区...
(展开)
第三版19年下半年就出来了
工作需要,考虑到Tensorflow更新到2.0,最近买了第三版。结果公司用的Pytorch平台,开始以为是坏事,毕竟又要学一个模块,结果却发现是个宝藏,这完全就是升级版的Numpy,比Tensorflow好用多了。这套书从第二版开始细看的,相比于那本法国人写的高分壁虎书,我觉得自己还是习惯...
(展开)
从原理到实战的较全面介绍
本书对机器学习介绍较全面,深入浅出,适合作为初学者入门读物和相关工作者的参考书。 书中公式较少。遇到公式跳过也无妨。其中图例和实例代码,需要结合文本描述,反复阅读。 但可能因受篇幅所限,很多深层原理解释偏简略。特别是深度学习部分。所以建议阅读后半部分之前,先...
(展开)
PyTorch版很有吸引力
这本PyTorch版应该也算作是《Python机器学习》这本第3版吧,只不过用的是PyTorch框架。PyTorch版大部分内容与第3版TensorFlow版差不多,删除原来“Web应用中嵌入机器学习模型”这章,这章可以找TensorFlow的第3版相关内容看下。新增加了“transformer:利用注意力机制改善自然...
(展开)
> 更多书评 14篇
论坛 · · · · · ·
在这本书的论坛里发言这本书的其他版本 · · · · · · ( 全部9 )
-
机械工业出版社 (2017)7.9分 48人读过
-
机械工业出版社 (2021)暂无评分 5人读过
-
Packt Publishing - ebooks Account (2015)8.5分 60人读过
-
Packt Publishing (2019)暂无评分 4人读过
以下书单推荐 · · · · · · ( 全部 )
- 深度学习与人工智能 (lyb)
- T (dhcn)
- 数据科学书单 Data Science (濯希)
- 书单|7 (天煞孤星)
- 书单|8.5分-8.9分 (北风)
谁读这本书? · · · · · ·
二手市场
· · · · · ·
- 在豆瓣转让 有94人想读,手里有一本闲着?
订阅关于Python Machine Learning的评论:
feed: rss 2.0
3 有用 来自徳勒姆市 2019-06-08 11:25:02
在机器学习的部分,本书可以理解为“手把手教你如何使用Scikit-Learn进行数据分析”,作者几乎在每一章会先手动实现一个机器学习算法,并将其用于分析简单的模拟数据,然后再调用Scikit-Learn分析实际数据,这相当于把Scikit-Learn“黑盒子”打开,让读者看到里面的结构,了解该算法或模型如何拟合数据,所以对理解机器学习算法,尤其是Scikit-Learn包,有很大帮助,这是本书的优... 在机器学习的部分,本书可以理解为“手把手教你如何使用Scikit-Learn进行数据分析”,作者几乎在每一章会先手动实现一个机器学习算法,并将其用于分析简单的模拟数据,然后再调用Scikit-Learn分析实际数据,这相当于把Scikit-Learn“黑盒子”打开,让读者看到里面的结构,了解该算法或模型如何拟合数据,所以对理解机器学习算法,尤其是Scikit-Learn包,有很大帮助,这是本书的优点。如果仅把本书作为实操手册,那本书可以说没有较大的缺陷,但如果提高要求,我认为本书对算法背后的原理挖掘甚少,且对某些算法的“黑盒子”打开程度不足,学完此书,我只知道怎么操作以及注意事项,但依然不知道为什么这么做,还是需要其他课程或材料来补充这部分知识。 (展开)
1 有用 higher_love 2019-03-10 19:26:37
这个书吧,感觉还可以。就是有些东西不连贯。大片大片的放代码……然后就没了。解释的不多。
0 有用 古德乐·罗格司 2023-05-23 13:12:48 美国
Friendly for self-learners
0 有用 TequilaSunset 2020-06-29 15:03:50
写得还算清楚,但理论太少、太重实操了(尤其是神经网络开始的部分,完全没有理论了)。第N遍自学完机器学习入门,感觉自己还是一无所知。
0 有用 花花很甜🌼🍮 2021-05-05 19:52:51
机器学习部分
0 有用 古德乐·罗格司 2023-05-23 13:12:48 美国
Friendly for self-learners
0 有用 花花很甜🌼🍮 2021-05-05 19:52:51
机器学习部分
0 有用 TequilaSunset 2020-06-29 15:03:50
写得还算清楚,但理论太少、太重实操了(尤其是神经网络开始的部分,完全没有理论了)。第N遍自学完机器学习入门,感觉自己还是一无所知。
3 有用 来自徳勒姆市 2019-06-08 11:25:02
在机器学习的部分,本书可以理解为“手把手教你如何使用Scikit-Learn进行数据分析”,作者几乎在每一章会先手动实现一个机器学习算法,并将其用于分析简单的模拟数据,然后再调用Scikit-Learn分析实际数据,这相当于把Scikit-Learn“黑盒子”打开,让读者看到里面的结构,了解该算法或模型如何拟合数据,所以对理解机器学习算法,尤其是Scikit-Learn包,有很大帮助,这是本书的优... 在机器学习的部分,本书可以理解为“手把手教你如何使用Scikit-Learn进行数据分析”,作者几乎在每一章会先手动实现一个机器学习算法,并将其用于分析简单的模拟数据,然后再调用Scikit-Learn分析实际数据,这相当于把Scikit-Learn“黑盒子”打开,让读者看到里面的结构,了解该算法或模型如何拟合数据,所以对理解机器学习算法,尤其是Scikit-Learn包,有很大帮助,这是本书的优点。如果仅把本书作为实操手册,那本书可以说没有较大的缺陷,但如果提高要求,我认为本书对算法背后的原理挖掘甚少,且对某些算法的“黑盒子”打开程度不足,学完此书,我只知道怎么操作以及注意事项,但依然不知道为什么这么做,还是需要其他课程或材料来补充这部分知识。 (展开)
0 有用 Lydia00186 2019-05-21 18:52:13
看之前要有心理准备,这本书真的不针对初级,感觉解释部分不多,准备硬着头皮啃完