这篇是计算机类的优质预售推荐>>>>《机器学习实践
测试驱动的开发方法》
用测试驱动方法开发出可靠、稳定的机器学习算法。
编辑推荐
本书介绍在开发机器学习算法时如何运用测试驱动的方法，捕捉可能扰乱正常分析的错误。这本实践指南从测试驱动开发和机器学习的基本原理讲起，展示了如何将测试驱动开发运用于若干机器学习算法，包括朴素贝叶斯分类器和神经网络。
任何机器学习算法都有一些传统的测试方法，但它们通常都不会考虑编码中的人为错误。借助测试驱动的开发方法，你便不会像其他研究者那样盲目依赖机器学习的结果，而能够降低出错的风险，从而编写出整洁、稳定的机器学习代码。如果你熟悉Ruby 2.1，就已经做好了阅读本书的准备。
通过阅读本书，你将能够：
在编写代码之前，运用测试驱动的方法来编写和运行测试
学习八种机器学习算法的最佳用法，并进行权衡
通过动手实践真实示例，对每种算法进行测试
理解测试驱动开发和对解进行验证的科学方法之间的相似性
获悉机器学习的风险，如对数据产生欠拟合或过拟合
探索可改善机器学习模型或数据提取的各种技术
内容简介
本书主要介绍如何将测试驱动开发运用于机器学习算法。每一章都通过示例介绍了机器学习技术能够解决的有关数据的具体问题，以及求解问题和处理数据的方法。具体涵盖了测试驱动的机器学习、机器学习概述、K
近邻分类、朴素贝叶斯分类、隐马尔可夫模型、支持向量机、神经网络、聚类、核岭回归、模型改进与数据提取等内容。通过学习本书，你将能够利用机器学习技术解决涉及数据的现实问题。
作译者
Matthew
Kirk
是Modulus 7公司的创始人，该公司针对数据科学和Ruby开发提供咨询服务。Matthew从事程序设计工作已15年有余，在全球许多技术大会上做过机器学习和数据科学主题的演讲。
媒体评论
"这本书非常有趣。对于想深入了解机器学习的开发者来说不可多得！"
--Brad Ediger，Advanced Rails一书的作者
"这本书真是太棒了！"
--Starr Horne，Honeybadger网站的联合创始人
"读完Matthew Kirk的《机器学习实践》，我收获颇丰。"
--James Edward Gray II，GraySoft公司的顾问
版权声明：本文为博主原创文章，未经博主允许不得转载。