
2
|
前言
借助机器学习,你可以完成以下和更多任务:
•
细分客户并为每个群体找到最佳的营销策略。
•
根据类似客户的购买记录,为每个客户推荐产品。
•
检测哪些交易可能是欺诈性的。
•
预测明年的收入。
无论出于何种原因,你都决定学习机器学习并将其实现在你的项目中。好主意!
目标与方法
本书假设你对机器学习一无所知,其目标是为你提供实现能够从数据中学习的程序所需
的概念、工具和直觉。
我们将介绍大量技术,从最简单和最常用的技术(例如线性回归)到一些经常赢得比赛
的深度学习技术。
本书不是实现每种算法的玩具版本,而是使用可用于生产环境的 Python 框架:
•
Scikit-Learn 非常易于使用,它有效地实现了许多机器学习算法,因此成为学习机器
学习的重要切入点。Scikit-Learn 由 David Cournapeau 于 2007 年创建,现在由法国
计算机科学和自动化研究所的一个研究小组领导。
•
TensorFlow 是用于分布式数值计算的更复杂的库。通过将计算分布在数百个 GPU(图
形处理单元)服务器上,它可以有效地训练和运行大型神经网络。TensorFlow(TF)
是由 Google 创建的,并支持许多大型机器学习应用程序。它于 2015 年 11 月开源,2.0
版本于 2019 年 11 月发布。
•
Keras 是高层深度学习API,使训练和运行神经网络变得非常简单。它可以在
TensorFlow、Theano 或微软 Cognitive Toolkit(以前称为 CNTK)之上运行。 ...