Suchen und Finden
Service
Maschinelles Lernen mit Python und R für Dummies,
John Paul Mueller, Luca Massaron
Verlag Wiley-VCH, 2017
ISBN 9783527809011 , 432 Seiten
Format ePUB
Kopierschutz DRM
Geräte
Inhaltsverzeichnis
- Cover
- Titelseite
- Impressum
- Über die Autoren
- Einführung
- Teil I: Einführung in das maschinelle Lernen
- Teil II: Einrichtung Ihrer Programmierumgebung
- Kapitel 4: Installation einer R‐Distribution
- Kapitel 5: Programmierung mit R und RStudio
- Kapitel 6: Installation einer Python‐Distribution
- Kapitel 7: Programmierung mit Python und Anaconda
- Zahlen und logische Ausdrücke in Python
- Erzeugung und Verwendung von Zeichenketten
- Interaktion mit Datums‐ und Zeitangaben
- Erzeugung und Verwendung von Funktionen
- Bedingungen und Schleifen
- Datenspeicherung mit Mengen, Listen und Tupeln
- Definition nützlicher Iteratoren
- Datenindizierung mit Wörterbüchern
- Codespeicherung in Modulen
- Kapitel 8: Weitere Softwareprogramme für maschinelles Lernen
- Teil III: Mathematische Grundlagen
- Kapitel 9: Mathematische Grundlagen des maschinellen Lernens
- Kapitel 10: Fehlerfunktionen und ihre Minimierung
- Kapitel 11: Validierung von maschinellem Lernen
- Fehler durch inkorrekte Stichprobenerhebung
- Der Einfluss von Bias
- Beachtung der Komplexität des Modells
- Ausgeglichene Lösungen
- Training, Validierung und Test
- Kreuzvalidierung
- Alternativen bei der Validierung
- Optimierung von Kreuzvalidierungsverfahren
- Vermeidung von Datenlecks und Bias in Stichproben
- Kapitel 12: Einfache Lerner
- Teil IV: Aufbereitung und Verwendung von Daten zum Lernen
- Kapitel 13: Vorverarbeitung von Daten
- Kapitel 14: Ausnutzung von Ähnlichkeiten in Daten
- Kapitel 15: Einfache Anwendung von linearen Modellen
- Kapitel 16: Komplexere Lernverfahren und neuronale Netze
- Kapitel 17: Support Vector Machines und Kernel‐Funktionen
- Kapitel 18: Kombination von Lernalgorithmen in Ensembles
- Teil V: Praktische Anwendung von maschinellem Lernen
- Teil VI: Der Top‐Ten‐Teil
- Kapitel 22: Zehn wichtige Pakete für maschinelles Lernen
- Kapitel 23: Zehn Methoden zur Verbesserung Ihrer maschinellen Lernmodelle
- Auswertung von Lernkurven
- Korrekte Verwendung der Kreuzvalidierung
- Auswahl der geeigneten Fehler‐ oder Bewertungsmaße
- Suche nach den besten Hyperparametern
- Test von mehreren Modellen
- Bildung des Durchschnitts verschiedener Modelle
- Mehrstufige Kombination von Modellen
- Erzeugung neuer Merkmale
- Auswahl von Merkmalen und Beispielen
- Suche nach mehr Daten
- Stichwortverzeichnis
- End User License Agreement
Tabellenverzeichnis
- Kapitel 1
- Kapitel 7
- Tabelle 7.1: Zuweisungsoperatoren in Python
- Tabelle 7.2: Arithmetische Operatoren in Python
- Tabelle 7.3: Unäre Operatoren in Python
- Tabelle 7.4: Bitweise Operatoren in Python
- Tabelle 7.5: Vergleichsoperatoren in Python
- Tabelle 7.6: Logische Operatoren in Python
- Tabelle 7.7: Vorrangsregeln für Operatoren in Python
- Tabelle 7.8: Zugehörigkeitsoperatoren in Python
- Tabelle 7.9: Identitätsoperatoren in Python
- Kapitel...
Service
Shop