Ensemble Machine Learning
Sprache: Englisch
Verlag: Packt Publishing, 2017
- Softcover
- Neu

Anbieter: Revaluation Books, Exeter, Vereinigtes KönigreichRevaluation Books
Verkäufer:in bei ZVAB seit 6. Januar 2003
Zustand: Neu
EUR 105,30
Anzahl: 1 verfügbar
In den WarenkorbArtikelbeschreibung des Verkäufers
438 pages. 9.21x7.52x0.91 inches. In Stock.
Bestandsnummer des Verkäufers __178829775X
- Titel
- Ensemble Machine Learning
- Autor
- Ankit Dixit
- Verlag
- Packt Publishing
- Erscheinungsjahr
- 2017
- Zustand
- Brand New
- Einband
- Paperback
- Sprache
- Englisch
- ISBN-10
- 178829775X
- ISBN-13
- 9781788297752
- Artikelgewicht
- 0,75 Kilogramm
An effective guide to using ensemble techniques to enhance machine learning models
Key Features
- Learn how to maximize popular machine learning algorithms such as random forests, decision trees, AdaBoost, K-nearest neighbor, and more
- Get a practical approach to building efficient machine learning models using ensemble techniques with real-world use cases
- Implement concepts such as boosting, bagging, and stacking ensemble methods to improve your model prediction accuracy
Book Description
Ensembling is a technique of combining two or more similar or dissimilar machine learning algorithms to create a model that delivers superior prediction power. This book will show you how you can use many weak algorithms to make a strong predictive model. This book contains Python code for different machine learning algorithms so that you can easily understand and implement it in your own systems.
This book covers different machine learning algorithms that are widely used in the practical world to make predictions and classifications. It addresses different aspects of a prediction framework, such as data pre-processing, model training, validation of the model, and more. You will gain knowledge of different machine learning aspects such as bagging (decision trees and random forests), Boosting (Ada-boost) and stacking (a combination of bagging and boosting algorithms).
Then you’ll learn how to implement them by building ensemble models using TensorFlow and Python libraries such as scikit-learn and NumPy. As machine learning touches almost every field of the digital world, you’ll see how these algorithms can be used in different applications such as computer vision, speech recognition, making recommendations, grouping and document classification, fitting regression on data, and more.
By the end of this book, you’ll understand how to combine machine learning algorithms to work behind the scenes and reduce challenges and common problems.
What you will learn
- Understand why bagging improves classification and regression performance
- Get to grips with implementing AdaBoost and different variants of this algorithm
- See the bootstrap method and its application to bagging
- Perform regression on Boston housing data using scikit-learn and NumPy
- Know how to use Random forest for IRIS data classification
- Get to grips with the classification of sonar dataset using KNN, Perceptron, and Logistic Regression
- Discover how to improve prediction accuracy by fine-tuning the model parameters
- Master the analysis of a trained predictive model for over-fitting/under-fitting cases
Who This Book Is For
This book is for data scientists, machine learning practitioners, and deep learning enthusiasts who want to implement ensemble techniques and make a deep dive into the world of machine learning algorithms. You are expected to understand Python code and have a basic knowledge of probability theories, statistics, and linear algebra.
Table of Contents
- Introduction of Ensemble Learning
- Decision Trees
- Random Forest
- Random Subspace and KNN Bagging
- AdaBoost Classifier
- Gradient Boosting Machines
- XGBoost- extreme gradient boosting
- Stacked Generalization
- Stacked Generalization-Part 2
- Modern Day Machine Learning
- Appendix: Troubleshooting
„Inhaltsangabe“ gehört möglicherweise zu einer anderen Auflage dieses Titels.
Über die Autorin bzw. den Autor
„Über diesen Titel“ gehört möglicherweise zu einer anderen Auflage dieses Titels.
Revaluation Books
Exeter, Vereinigtes Königreich
Verkäufer:in bei ZVAB seit 6. Januar 2003
Versandkosten von Vereinigtes Königreich nach USA
| Artikel | 7 bis 14 Werktage | 2 bis 3 Werktage |
|---|---|---|
| Erster Artikel | EUR 14,93 | EUR 35,84 |
Zahlungsarten
Unternehmensdaten der Verkäuferin bzw. des Verkäufers
Edward Bowditch Ltd
Exstowe, Exton
Exeter, Vereinigtes Königreich EX3 0PP
Verkaufsbedingungen
Legal entity name: Edward Bowditch Ltd
Legal entity form: Limited company
Business correspondence address: Exstowe, Exton, Exeter, EX3 0PP
Company registration number: 04916632
VAT registration: GB834241546
Authorised representative: Mr. E. Bowditch
Widerrufsrecht
Wenn Sie Verbraucher sind, können Sie gemäß den folgenden Bestimmungen vom Vertrag zurücktreten. Verbraucher ist jede natürliche Person, die zu Zwecken handelt, die nicht ihrer kaufmännischen, gewerblichen, künstlerischen oder beruflichen Tätigkeit zugerechnet werden können.
Informationen zum Widerrufsrecht
Gesetzliches Widerrufsrecht
Sie haben das Recht, den Vertrag innerhalb von 14 Tagen ohne Angabe von Gründen zu widerrufen.
Die Widerrufsfrist beträgt 14 Tage ab dem Tag, an dem Sie oder ein von Ihnen benannter Dritter, der nicht der Transporteur ist, die letzte Ware oder den letzten Posten oder das letzte Exemplar in Besitz genommen hat.
Um das Widerrufsrecht auszuüben, füllen Sie auf unserer Website unter „Meine Einkäufe" in „Mein Nutzerkonto" eine eindeutige Erklärung elektronisch aus und senden Sie sie ab. Wir werden Ihnen unverzüglich eine Bestätigung über den Eingang eines solchen Widerrufs auf einem dauerhaften Datenträger (z. B. per E-Mail) übermitteln.
Um die Widerrufsfrist einzuhalten, reicht es aus, dass Sie Ihre Mitteilung über die Ausübung des Widerrufsrechts vor Ablauf der Widerrufsfrist absenden.
Auswirkungen des Widerrufs
Wenn Sie diesen Vertrag widerrufen, erstatten wir Ihnen alle Zahlungen, die wir von Ihnen erhalten haben, einschließlich der Lieferkosten (mit Ausnahme der zusätzlichen Kosten, die entstehen, wenn Sie eine andere Art der Lieferung als die von uns angebotene günstigste Standardlieferung gewählt haben).
Wir können einen Abzug von der Rückerstattung für den Wertverlust der gelieferten Waren vornehmen, wenn der Verlust auf eine unnötige Behandlung durch Sie zurückzuführen ist.
Wir werden die Rückerstattung unverzüglich und nicht später als 14 Tage nach dem Tag vornehmen, an dem wir über Ihre Entscheidung, diesen Vertrag zu widerrufen, informiert wurden.
Für die Rückerstattung verwenden wir dasselbe Zahlungsmittel, das Sie für die ursprüngliche Transaktion verwendet haben, es sei denn, Sie haben ausdrücklich etwas anderes vereinbart; in keinem Fall werden Ihnen aufgrund einer solchen Rückerstattung Gebühren berechnet.
Wir können die Rückzahlung verweigern, bis wir die Waren wieder zurückerhalten haben oder Sie den Nachweis erbracht haben, dass Sie die Waren zurückgesandt haben, je nachdem, was eher eintritt.
Sie müssen die Waren unverzüglich und in jedem Fall spätestens 14 Tage ab dem Tag, an dem Sie uns über den Widerruf dieses Vertrags unterrichten, an Revaluation Books, Hounslow, United Kingdom, zurücksenden oder übergeben. Die Frist ist eingehalten, wenn Sie die Ware vor Ablauf der Frist von 14 Tagen zurücksenden. Sie müssen die direkten Kosten der Rücksendung der Waren tragen. Sie haften nur für einen etwaigen Wertverlust der Waren, der auf eine Behandlung zurückzuführen ist, die nicht zur Prüfung der Art, Eigenschaften und Funktionsweise der Waren erforderlich ist.
Ausnahmen vom Widerrufsrecht
Das Widerrufsrecht gilt nicht für:
- Die Lieferung von Zeitungen, Zeitschriften oder Magazinen mit Ausnahme von Abonnementverträgen; und
- Die Lieferung digitaler Inhalte, die nicht auf einem physischen Medium (z. B. auf einer CD oder DVD) geliefert werden, wenn Sie bei Ihrer Bestellung akzeptiert haben, dass wir mit der Lieferung beginnen können und dass Sie nach Beginn der Lieferung den Vertrag nicht mehr widerrufen können.
Versandbedingungen
Orders usually dispatched within two working days.