布客飞龙

精通 AWS 机器学习（二） 第六章：通过分析游客模式来制定推荐 本章将专注于基于游客参加的主题公园景点寻找相似游客的问题，以制定改进的营销推荐。我们将介绍协同过滤方法，并通过示例展示如何在 Apac

精通 AWS 机器学习（三） 第十五章：为机器学习调整集群 许多数据科学家和机器学习实践者在尝试在大数据上运行 ML 数据管道时都会遇到规模问题。在本章中，我们将主要关注弹性 MapReduce（EM

监督学习研讨会（三） 第七章：6. 集成建模 概述 本章讨论了执行集成建模的不同方法及其优缺点。通过本章内容的学习，你将能够识别机器学习模型中的欠拟合和过拟合问题。你还将能够使用决策树设计一个袋装分类

监督学习研讨会（二） 第五章：4. 自回归 概述 本章将教你如何实现自回归模型，作为一种基于过去值预测未来值的方法。在本章结束时，你将能够创建一个自回归模型，并使用自回归构建时间序列回归模型。你将完全

机器学习研讨会（一） 前言 关于本书 机器学习算法几乎是所有现代应用程序的核心部分。为了加快学习过程并提高准确性，你需要一个足够灵活和强大的工具，帮助你快速、轻松地构建机器学习算法。通过*《机器学习工

机器学习研讨会（二） 第四章：4. 监督学习算法：预测年收入 概述 在本章中，我们将研究三种不同的用于分类的监督学习算法。我们还将使用这些算法解决一个监督学习分类问题，并通过比较三种不同算法的结果进行

机器学习算法（二） 第八章：决策树和集成学习 在本章中，我们将讨论二进制决策树和集成方法。尽管它们可能不是最常见的分类方法，但它们提供了良好的简单性，并且可以在许多不需要高复杂性的任务中应用。当需要展

机器学习算法（三） 第十四章：深度学习和 TensorFlow 简介 在本章中，我们将通过基于 TensorFlow 的一些示例简要介绍深度学习。这个主题相当复杂，需要专门的书籍；然而，我们的目标是让

机器学习实践指南（三） 第十一章：深度学习 到目前为止，我们介绍了一些监督学习、半监督学习、无监督学习和强化学习的技术和算法。在本章中，我们将介绍神经网络及其与深度学习实践的关系。传统的学习方法涉及编