python machine learning book 2nd editionダウンロード - python machine learning book 2nd editionソースコードダウンロード

python machine learning book 2nd edition

パイソン

1.0.0

ダウンロード

Python 機械学習 (第 2 版) コードリポジトリ

2019 年 12 月現在、新しい版 (第 3 版) が利用可能であることに注意してください。第 3 版のコードリポジトリのリンクは https://github.com/rasbt/python-machine-learning-book-3rd-edition です。

Python 機械学習、第 2 版

2017 年 9 月 20 日に公開

ペーパーバック: 622ページ
出版社: パックト出版
言語: 英語

ISBN-10: 1787125939
ISBN-13: 978-1787125933
Kindle ASIN: B0742K7HYF

リンク

アマゾンのページ
パケットページ

目次とコードノートブック

役立つインストールとセットアップの手順は、第 1 章の README.md ファイルに記載されています。

特定の章のコード資料にアクセスするには、章見出しの横にあるopen dirリンクをクリックして、code/ サブディレクトリにある章のサブディレクトリに移動するだけです。以下のipynbリンクをクリックして、GitHub 上で各章の Jupyter ノートブックを開いて直接表示することもできます。

さらに、code/ サブディレクトリには、Jupyter Notebook から作成された .py スクリプトファイルも含まれています。ただし、お使いのコンピューティング環境で可能であれば、Jupyter ノートブックを使用することを強くお勧めします。 Jupyter ノートブックには、ナビゲーションを容易にする画像とセクション見出しが含まれているだけでなく、個々のコードスニペットを段階的に実行できるため、私の意見では、より良い学習体験が提供されます。

これらは、便宜のためにアップロードした、書籍に付属するコード例にすぎないことに注意してください。これらのノートブックは、数式や説明文がなければ役に立たない可能性があることに注意してください。

機械学習 - コンピューターにデータから学習する能力を与える [open dir] [ipynb]
分類のための機械学習アルゴリズムのトレーニング [オープンディレクトリ] [ipynb]
Scikit-Learn を使用した機械学習分類器のツアー [open dir] [ipynb]
優れたトレーニングセットの構築 – データの前処理 [open dir] [ipynb]
次元削減によるデータの圧縮 [open dir] [ipynb]
モデル評価とハイパーパラメータ最適化のベストプラクティスを学ぶ [open dir] [ipynb]
アンサンブル学習のためのさまざまなモデルの組み合わせ [open dir] [ipynb]
機械学習を感情分析に適用する [open dir] [ipynb]
Web アプリケーションへの機械学習モデルの埋め込み [open dir] [ipynb]
回帰分析による連続ターゲット変数の予測 [open dir] [ipynb]
ラベルなしデータの操作 – クラスタリング分析 [open dir] [ipynb]
多層人工ニューラルネットワークを最初から実装する [open dir] [ipynb]
TensorFlow を使用したニューラルネットワークトレーニングの並列化 [open dir] [ipynb]
さらに深く: TensorFlow の仕組み [open dir] [ipynb]
ディープ畳み込みニューラルネットワークによる画像の分類 [open dir] [ipynb]
リカレントニューラルネットワークを使用したシーケンシャルデータのモデル化 [open dir] [ipynb]

第 2 版では初版から何が新しくなりましたか?

ああ、改善したり追加したりしたことはたくさんあります。どこから始めればいいですか？私の優先事項リストの最上位にあった 1 つの問題は、レイアウト段階または私の見落とし中に発生した厄介なタイプミスをすべて修正することでした。読者の皆様からこのように有益なフィードバックをいただき、本当に感謝しています。さらに、わかりにくい、または少しわかりにくいセクションに関するすべてのフィードバックに対処し、段落を言い換え、追加の説明を追加しました。また、途中で大いに助けてくれた第 2 版の優秀な編集者にも特別な感謝を送ります。

また、図やプロットもより美しくなりました。読者はグラフィックコンテンツを非常に気に入ったが、PowerPoint風のスタイルとレイアウトを批判する人もいた。そこで、フォントと色の選択をより快適なものにするために、すべての小さな図を徹底的に見直すことにしました。また、matplotlib 2.0 とその新しいスタイルテーマに多くの労力を費やした matplotlib チームのおかげで、データプロットの見栄えがさらに良くなりました。

これらすべての表面的な修正に加えて、新しいセクションがあちこちに追加されました。その中には、例えば、初版では何人かの読者が欠落していた不均衡なデータセットの扱いに関するセクションや、潜在ディリクレ配分に関する短いセクションなどが含まれます。

2015 年 9 月に初版がリリースされてから時間とソフトウェアの世界が進むにつれて、私たちはディープラーニングの入門書を Theano に置き換えることにしました。心配しないでください、私たちはそれを削除しませんでしたが、大幅な見直しが行われ、現在は TensorFlow に基づいています。TensorFlow は、2015 年 11 月に Google によってオープンソースがリリースされて以来、私の研究ツールボックスの主要なプレーヤーとなっています。 TensorFlow を使用した学習、この新版への最大の追加は、深層学習アプリケーションに焦点を当てた 3 つの新しい章です: TensorFlow メカニズムのより詳細な概要、画像用畳み込みニューラルネットワークの紹介分類、および自然言語処理のためのリカレントニューラルネットワークの紹介。もちろん、本の残りの部分と同様に、これらの新しい章では、実践的な指示と例を読者に提供するだけでなく、深層学習がどのように機能するかを理解するために不可欠な構成要素である、それらの概念の背後にある基本的な数学も紹介します。。

[「機械学習は、ほぼすべての問題領域で役立ちます:」セバスティアン・ラシュカ氏へのインタビューからの抜粋]

ラシュカ、セバスチャン、ヴァヒド・ミルジャリリ。 Python 機械学習、第 2 版パックト出版、2017 年。

 @book{RaschkaMirjalili2017,  
address = {Birmingham, UK},  
author = {Raschka, Sebastian and Mirjalili, Vahid},  
edition = {2},  
isbn = {978-1787125933},  
keywords = {Clustering,Data Science,Deep Learning,  
            Machine Learning,Neural Networks,Programming,  
            Supervised Learning},  
publisher = {Packt Publishing},  
title = {{Python Machine Learning, 2nd Ed.}},  
year = {2017}  
}