《精通数据科学:从线性回归到深度学习》一书的配套代码和数据
建议对Python比较熟悉的读者参考feature_pep_8分支上的代码,因为后者更加工整,符合PEP 8的规范。
本书由人民邮电出版社出版,网购地址为:
本书还配套免费的视频课程,观看地址为:
如果发现书中有纰漏之处,请在这里勘误,谢谢大家。
如果大家对本书有赞赏、建议、批评之声,请在豆瓣上留下你们的看法,再次谢谢大家。
即使有严重的自夸嫌疑,但我还是想说:这是一本非常不错的书,推荐大家购买。
李国杰院士和韩家炜教授在读过这本书之后,亲自为其作序,在此再次向两位大佬表示感谢。
第1章 数据科学概述
第2章 Python安装指南与简介:告别空谈
第3章 数学基础:恼人但又不可或缺的知识
第4章 线性回归:模型之母
第5章 逻辑回归:隐藏因子
第6章 工程实现:计算机是怎么算的
第7章 计量经济学的启示:他山之石
第8章 监督式学习: 目标明确
第9章 生成式模型:量化信息的价值
第10章 非监督学习:聚类与降维
第11章 分布式机器学习:集体力量
第12章 神经网络:模拟人的大脑
第13章 深度学习:继续探索
针对技术书籍,最好的阅读方法是对照每一章的示例代码,动手实现所讨论的模型。这样会极大加深自己对模型的理解和实践能力,否则就会像读小说一样,阅读时感觉不错,但实际使用时就无从下手了。
若想要使用这份代码,请先按照本书第2章和第11章的指南,安装相关的开源软件。
需要注意的是,为了节省篇幅、突出重点,正文中所展示的代码是基于Linux系统下的Python 2.7,而配套代码则兼容Python 3和Windows系统。
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。