PROGRAMMIEREN VON MASCHINELLEM LERNEN IN PYTHON: Eine Einführung in Modelle des maschinellen Lernens - Überwachtes Lernen

By Jorge Gómez and Velssy Hernández

?berwachtes Lernen beschreibt ein Szenario, in dem Erfahrung zu einem Trainingsfaktor wird, der wichtige Informationen enth?lt (z.B. Krank/Gesund-Etiketten f?r 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 f?r die Testdaten vorherzusagen. In diesem Sinne kann man sich die Umgebung als Lehrer vorstellen, der den Lernenden durch die Bereitstellung zus?tzlicher Informationen, d. h. von Etiketten, ?berwacht. In diesem Buch werden wir ?berwachte 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 f?r Python implementieren werden. Zun?chst werden Sie mit der logistischen Regression (bin?re Klassifizierung), der Multiklassenklassifizierung durch logistische Regression, Entscheidungsb?umen, Support Vector Machine - SVM (Support Vector Machines), Random Forest, K-Fold Cross Validation und schlie lich Naive B

• Format: Paperback
• Language: German
• ISBN: 6205365200
• ISBN13: 9786205365205
• Release Date: November 2022
• Publisher: Verlag Unser Wissen
• Length: 112 Pages
• Weight: 0.39 lbs.
• Dimensions: 0.3" x 6.0" x 9.0"