檢視 Scikit·learn机器学习的原始碼

{| class="wikitable" align="right"
|-
|<center><img src=https://www0.kfzimg.com/sw/kfz-cos/kfzimg/5647422/07e81ccadbe01ace_s.jpg width="260"></center>
<small>[https://book.kongfz.com/408661/6957713717 来自 孔夫子网 的图片]</small>
|}

《'''scikit·learn机器学习'''》，[美] 加文·海克（Gavin Hackeling） 著，张浩然 译，出版社： 人民邮电出版社。

人民邮电出版社是全国优秀[[出版社]]、全国百佳图书出版单位。人民邮电出版社出版领域涵盖科技出版、教育出版、大众出版，涉及信息技术、[[通信]]、工业技术、科普<ref>[https://www.douban.com/group/topic/116170316/ 100部科普经典名著]，豆瓣，2018-04-26</ref>、经济管理、摄影、艺术、运动与休闲、心理学、少儿、大中专教材等10余个出版门类，年出版[[图书]]<ref>[https://www.xuexila.com/lishi/zixun/ziliao/18945.html 图书的演变历史资料]，学习啦，2017-06-07</ref>近万种。

==内容简介==

近年来，Python语言成为了广受欢迎的编程语言，而它在机器学习领域也有很好的表现。scikit-learn是一个用Python语言编写的机器学习算法库，它可以实现一系列常用的机器学习算法，是一个好工具。

本书通过14章内容，详细地介绍了一系列机器学习模型和scikit-learn的使用技巧。本书从机器学习的基础理论讲起，涵盖了简单线性回归、K-近邻算法、特征提取、多元线性回归、[[逻辑]]回归、朴素贝叶斯、非线性分类、决策树回归、随机森林、感知机、支持向量机、人工神经网络、K-均值算法、主成分分析等重要话题。

本书适合机器学习领域的工程师学习，也适合想要了解scikit-learn的数据科学家阅读。通过阅读本书，读者将有效提升自己在机器学习模型的构建和评估方面的能力，并能够高效地解决机器学习难题。

==作者介绍==

Gavin Hackeling 是一名数据科学家和[[作家]]。他研究过各种各样的机器学习问题，包括自动语音识别、文档分类、目标识别、以及语义切分。Gavin Hackeling 毕业于北卡罗来纳大学和纽约大学，目前和他的妻子和猫生活在布鲁克林。

==参考文献==
[[Category:040 類書總論；百科全書總論]]