读者对象: 1.机器学习与人工智能方向的从业者;2.XGBoost应用发人员;3.机器学习、数据挖掘研究方向的学生;4.机器学习或源软件爱好者 【学习路线图】免费领取 搭配图书学习效果更佳! 获取方式: 1、微信关注“华章计算机” 2、在后台回复关键词:XGBoost 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、集成学习中集大成者——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:¥71.50购买纸书
温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印
为你推荐
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
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜