万本电子书0元读

万本电子书0元读

顶部广告

深入理解XGBoost:高效机器学习算法与进阶电子书

1)知名互联网公司工程师撰写,通高效机器学习脉络,掌握竞赛神器XGBoost 2)以机器学习基础知识做铺垫,深剖析XGBoost原理、分布式实现、模型优化、深度应用等

售       价:¥

纸质售价:¥68.30购买纸书

171人正在读 | 0人评论 6.8

作       者:何龙

出  版  社:机械工业出版社

出版时间:2020-01-01

字       数:31.3万

所属分类: 科技 > 计算机/网络 > 软件系统

温馨提示:此类商品不支持退换货,不支持下载打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
本书主要介绍:XGBoost相关的机器学习基础算法;XGBoost安装编译与简单使用;XGBoost的实现原理与理论证明;XGBoost基于CPU多线程的实现以及分布式训练方法;剖析XGBoost源码,从代码层面洞彻XGBoost的实现原理,以及XGBoost的应用与调优,通过典型示例为读者提供使用参考,掌握实战技能。 通过阅读本书,不仅能使读者理解XGBoost的原理,将XGBoost应用到业务场景中,更能从源码的角度深学习XGBoost的并行化和分布式实现等优化技术,以更短的时间训练出高准确度的模型,使XGBoost成为学习和工作中的一把利剑。 本书以机器学习基础知识做铺垫,深剖析XGBoost的原理、分布式实现、模型优化、深度应用等。  第1~3章使读者对机器学习算法形成整体认知,了解如何优化模型以及评估预测结果,并熟悉常用机器学习算法的实现原理和应用,如线性回归、逻辑回归、决策树、神经网络、支持向量机等。  第4章借助实际案例,讲解如何通过XGBoost解决分类、回归、排序等问题,并介绍了XGBoost常用功能的使用方法。  第5~7章是本书的重,从理论推导与源码层面深剖析XGBoost,涵盖XGBoost原理与理论证明、分布式XGBoost的实现、XGBoost各组件的源码解析。  第8~9章为阶内容,着重解析算法实践与工程应用中的难,而帮助读者更好地解决实际问题。  第10章介绍了一些较为前沿的将树模型与其他模型融合的研究方法,以拓眼界,拓展思路。
【推荐语】
1)知名互联网公司工程师撰写,通高效机器学习脉络,掌握竞赛神器XGBoost 2)以机器学习基础知识做铺垫,深剖析XGBoost原理、分布式实现、模型优化、深度应用等
【作者】
何龙 现就职于滴滴出行,XGBoost源社区贡献者,专注于人工智能和机器学习领域,从底层算法原理到上层应用实践都有广泛的兴趣和研究。较早触XGBoost,熟悉XGBoost应用发,深阅读源码,具有丰富的项目发经验。
目录展开

前言

第1章 机器学习概述

1.1 何谓机器学习

1.2 集成学习发展与XGBoost提出

1.3 小结

第2章 XGBoost骊珠初探

2.1 搭建Python机器学习环境

2.2 搭建XGBoost运行环境

2.3 示例:XGBoost告诉你蘑菇是否有毒

2.4 小结

第3章 机器学习算法基础

3.1 KNN

3.2 线性回归

3.3 逻辑回归

3.4 决策树

3.5 正则化

3.6 排序

3.7 人工神经网络

3.8 支持向量机

3.9 小结

第4章 XGBoost小试牛刀

4.1 XGBoost实现原理

4.2 二分类问题

4.3 多分类问题

4.4 回归问题

4.5 排序问题

4.6 其他常用功能

4.7 小结

第5章 XGBoost原理与理论证明

5.1 CART

5.2 Boosting算法思想与实现

5.3 XGBoost中的Tree Boosting

5.4 切分点查找算法

5.5 排序学习

5.6 DART

5.7 树模型的可解释性

5.8 线性模型原理

5.9 系统优化

5.10 小结

第6章 分布式XGBoost

6.1 分布式机器学习框架Rabit

6.2 资源管理系统YARN

6.3 可移植分布式XGBoost4J

6.4 基于Spark平台的实现

6.5 基于Flink平台的实现

6.6 基于GPU加速的实现

6.7 小结

第7章 XGBoost进阶

7.1 模型训练、预测及解析

7.2 树模型更新

7.3 目标函数

7.4 评估函数

7.5 小结

第8章 模型选择与优化

8.1 偏差与方差

8.2 模型选择

8.3 超参数优化

8.4 XGBoost超参数优化

8.5 小结

第9章 通过XGBoost实现广告分类器

9.1 PCA

9.2 通过XGBoost实现广告分类器

9.3 小结

第10章 基于树模型的其他研究与应用

10.1 GBDT、LR融合提升广告点击率[1]

10.2 mGBDT

10.3 DEF

10.4 一种基于树模型的强化学习方法

10.5 小结

累计评论(0条) 1个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部