Jorge Gómez, Velssy Hernández

PROGRAMMIEREN VON MASCHINELLEM LERNEN IN PYTHON

Eine Einführung in Modelle des maschinellen Lernens - Überwachtes Lernen

• Broschiertes Buch

Produktbeschreibung

Überwachtes Lernen beschreibt ein Szenario, in dem Erfahrung zu einem Trainingsfaktor wird, der wichtige Informationen enthält (z.B. Krank/Gesund-Etiketten für die Erkennung von Pflanzenkrankheiten), die in den ungesehenen "Testbeispielen", auf die das erlernte Fachwissen angewandt werden soll, fehlen. In diesem Szenario zielt das erlernte Fachwissen darauf ab, diese fehlenden Informationen für die Testdaten vorherzusagen. In diesem Sinne kann man sich die Umgebung als Lehrer vorstellen, der den Lernenden durch die Bereitstellung zusätzlicher Informationen, d. h. von Etiketten, überwacht. In diesem Buch werden wir überwachte maschinelle Lernmodelle diskutieren, durch die Sie die theoretischen Grundlagen, einige Beschreibungen von Anwendungsbereichen verstehen und dann jedes von ihnen in Jupyter Lab mit pandas und scikit-learn Bibliotheken für Python implementieren werden. Zunächst werden Sie mit der logistischen Regression (binäre Klassifizierung), der Multiklassenklassifizierungdurch logistische Regression, Entscheidungsbäumen, Support Vector Machine - SVM (Support Vector Machines), Random Forest, K-Fold Cross Validation und schließlich Naive B

Produktdetails

• Verlag: Verlag Unser Wissen
• Seitenzahl: 112
• Erscheinungstermin: 16. November 2022
• Deutsch
• Abmessung: 220mm x 150mm x 7mm
• Gewicht: 166g
• ISBN-13: 9786205365205
• ISBN-10: 6205365200
• Artikelnr.: 66440814

Autorenporträt

Jorge Gómez Gómez, Systems Engineer, received a Master's degree in Telematics Engineering at the University of Cauca Colombia in 2010, PhD in Information Technology and Communications at the University of Granada Spain in 2018, Full-time professor of the Systems Engineering program - University of Cordoba, Member IEEE Branch.