Python Machine Learning Second Edition

Книга представляет собой всестороннее руководство по машинному обучению с использованием Python. Начинается с основ — перцептрона и адаптивных линейных нейронов, затем переходит к классическим алгоритмам scikit-learn: логистическая регрессия, SVM, деревья решений, случайный лес и k-ближайших соседей.

Особое внимание уделяется предобработке данных: работа с пропущенными значениями, категориальными признаками, масштабирование и отбор признаков. Рассматриваются методы снижения размерности — PCA, LDA и kernel PCA.

Вторая половина книги посвящена практическим аспектам: оценка моделей, настройка гиперпараметров, ансамблевые методы, анализ тональности текста, работа с изображениями и нейронные сети с TensorFlow/Keras.

Книга содержит множество практических примеров и кода, который можно запустить в Jupyter Notebook. Подходит как для начинающих, так и для практикующих специалистов.