- Livre broché
- Neuf

Vendeur : Revaluation Books, Exeter, Royaume-UniRevaluation Books
Vendeur AbeBooks depuis 6 janvier 2003
Etat: Neuf
EUR 105,08
Quantité disponible : 1 disponible
Ajouter au panierA propos de cet article
438 pages. 9.21x7.52x0.91 inches. In Stock.
N° de réf. du vendeur __178829775X
- Titre
- Ensemble Machine Learning
- Auteur
- Ankit Dixit
- Éditeur
- Packt Publishing
- Année de publication
- 2017
- État de l'article
- Brand New
- Reliure
- Paperback
- Langue
- anglais
- ISBN à 10 chiffres
- 178829775X
- ISBN à 13 chiffres
- 9781788297752
- Poids de l'article
- 0,75 kilogramme
An effective guide to using ensemble techniques to enhance machine learning models
Key Features
- Learn how to maximize popular machine learning algorithms such as random forests, decision trees, AdaBoost, K-nearest neighbor, and more
- Get a practical approach to building efficient machine learning models using ensemble techniques with real-world use cases
- Implement concepts such as boosting, bagging, and stacking ensemble methods to improve your model prediction accuracy
Book Description
Ensembling is a technique of combining two or more similar or dissimilar machine learning algorithms to create a model that delivers superior prediction power. This book will show you how you can use many weak algorithms to make a strong predictive model. This book contains Python code for different machine learning algorithms so that you can easily understand and implement it in your own systems.
This book covers different machine learning algorithms that are widely used in the practical world to make predictions and classifications. It addresses different aspects of a prediction framework, such as data pre-processing, model training, validation of the model, and more. You will gain knowledge of different machine learning aspects such as bagging (decision trees and random forests), Boosting (Ada-boost) and stacking (a combination of bagging and boosting algorithms).
Then you’ll learn how to implement them by building ensemble models using TensorFlow and Python libraries such as scikit-learn and NumPy. As machine learning touches almost every field of the digital world, you’ll see how these algorithms can be used in different applications such as computer vision, speech recognition, making recommendations, grouping and document classification, fitting regression on data, and more.
By the end of this book, you’ll understand how to combine machine learning algorithms to work behind the scenes and reduce challenges and common problems.
What you will learn
- Understand why bagging improves classification and regression performance
- Get to grips with implementing AdaBoost and different variants of this algorithm
- See the bootstrap method and its application to bagging
- Perform regression on Boston housing data using scikit-learn and NumPy
- Know how to use Random forest for IRIS data classification
- Get to grips with the classification of sonar dataset using KNN, Perceptron, and Logistic Regression
- Discover how to improve prediction accuracy by fine-tuning the model parameters
- Master the analysis of a trained predictive model for over-fitting/under-fitting cases
Who This Book Is For
This book is for data scientists, machine learning practitioners, and deep learning enthusiasts who want to implement ensemble techniques and make a deep dive into the world of machine learning algorithms. You are expected to understand Python code and have a basic knowledge of probability theories, statistics, and linear algebra.
Table of Contents
- Introduction of Ensemble Learning
- Decision Trees
- Random Forest
- Random Subspace and KNN Bagging
- AdaBoost Classifier
- Gradient Boosting Machines
- XGBoost- extreme gradient boosting
- Stacked Generalization
- Stacked Generalization-Part 2
- Modern Day Machine Learning
- Appendix: Troubleshooting
« Synopsis » peut appartenir à une autre édition de cet ouvrage.
À propos de l’auteur
« A propos de ce titre » peut appartenir à une autre édition de cet ouvrage.
Revaluation Books
Exeter, Royaume-Uni
Vendeur AbeBooks depuis 6 janvier 2003
Frais d'expédition de Royaume-Uni vers Etats-Unis
| Article | 7 à 14 jours ouvrés | 2 à 3 jours ouvrés |
|---|---|---|
| Premier article | EUR 14,98 | EUR 35,95 |
Modes de paiement
Profil professionnel du vendeur
Edward Bowditch Ltd
Exstowe, Exton
Exeter, Royaume-Uni EX3 0PP
Conditions de vente
Legal entity name: Edward Bowditch Ltd
Legal entity form: Limited company
Business correspondence address: Exstowe, Exton, Exeter, EX3 0PP
Company registration number: 04916632
VAT registration: GB834241546
Authorised representative: Mr. E. Bowditch
Droit de rétractation
Si vous êtes un consommateur, vous pouvez exercer votre droit de rétractation sur le contrat conformément à ce qui suit. Le mot « consommateur » désigne toute personne physique agissant à des fins qui n'entrent pas dans le cadre de son activité commerciale, artisanale ou professionnelle.
Informations concernant le droit de rétractation
Droit statutaire de rétractation
Vous avez le droit d'exercer votre droit de rétractation sur ce contrat dans les 14 jours sans donner de raison.
Le délai de rétractation expirera au bout de 14 jours à compter du jour où vous-même, ou un tiers autre que le transporteur et désigné par vous, prendrez physiquement possession de la dernière marchandise, du dernier lot ou de la dernière pièce.
Pour exercer votre droit de rétractation, remplissez électroniquement et envoyez une déclaration claire sur notre site Web, sous « Vos achats » dans « Votre compte ». Nous vous communiquerons sans délai un accusé de réception de cette rétractation sur un support durable (par exemple, par e-mail).
Pour respecter le délai de rétractation, il vous suffit d'envoyer votre message concernant l'exercice de votre droit de rétractation avant l'expiration du délai de rétractation.
Effets de la rétractation
Si vous exercez votre droit de rétractation sur ce contrat, nous vous rembourserons tous les paiements que vous avez effectués, y compris les frais de livraison (à l'exception des frais supplémentaires résultant du choix d'un mode de livraison autre que le type de livraison standard le moins cher que nous proposons).
Nous pouvons déduire du remboursement la perte de valeur de toute marchandise livrée, si la perte est le résultat d'une manipulation inutile de votre part.
Nous effectuerons le remboursement dans les meilleurs délais, et au plus tard 14 jours après le jour où nous aurons été informés de votre décision d'exercer votre droit de rétractation sur ce contrat.
Nous effectuerons le remboursement en utilisant le même moyen de paiement que celui que vous avez utilisé pour la transaction initiale, sauf si vous en avez expressément convenu autrement ; en tout état de cause, aucuns frais ne vous seront facturés à la suite d'un tel remboursement.
Nous pouvons suspendre le remboursement jusqu'à ce que nous ayons reçu les marchandises ou que vous ayez fourni la preuve que vous avez renvoyé les marchandises, en fonction de la première éventualité.
Vous devez renvoyer les marchandises ou les remettre à Revaluation Books, Hounslow, United Kingdom, sans retard injustifié et, en tout état de cause, au plus tard 14 jours à compter du jour où vous nous avez communiqué votre décision de rétractation du présent contrat. Le délai est respecté si vous renvoyez les marchandises avant l'expiration du délai de 14 jours. Vous devrez prendre en charge les frais directs du renvoi des marchandises. Vous n'êtes responsable que de toute diminution de valeur des marchandises résultant d'une manipulation autre que celle nécessaire pour établir la nature, les caractéristiques et le fonctionnement des marchandises.
Exceptions au droit de rétractation
Le droit de rétractation ne s'applique pas à ce qui suit :
- Distribution de journaux, de revues ou de magazines, à l'exception des contrats d'abonnement ; et
- Fourniture d'un contenu numérique qui n'est pas fourni sur un support matériel (par exemple, sur un CD ou un DVD) si vous avez accepté, lors de votre commande, que nous puissions commencer à le livrer et que vous ne puissiez pas exercer votre droit de rétractation une fois la livraison commencée.
Conditions d'expédition
Orders usually dispatched within two working days.