MASCHINELLES LERNEN MIT PYTHON. ÜBERWACHTES LERNEN: NÄCHSTER NACHBAR, NAIVE BAYES, MODELLENSEMBLE UND NEURONALE NETZE.
MASCHINELLES LERNEN MIT PYTHON. ÜBERWACHTES LERNEN: NÄCHSTER NACHBAR, NAIVE BAYES, MODELLENSEMBLE UND NEURONALE NETZE.
Deutsch | 28. August 2025 | ISBN: 1326184601 | 203 Seiten | EPUB (True) | 11.35 MB
Deutsch | 28. August 2025 | ISBN: 1326184601 | 203 Seiten | EPUB (True) | 11.35 MB
Algorithmen des maschinellen Lernens nutzen rechnergestützte Methoden, um Informationen direkt aus Daten zu extrahieren. Maschinelles Lernen verwendet zwei Arten von Techniken: überwachtes Lernen, bei dem ein Modell mit bekannten Eingabe- und Ausgabedaten trainiert wird, damit es zukünftige Ergebnisse vorhersagen kann, und unüberwachtes Lernen, bei dem versteckte Muster oder intrinsische Strukturen in den Eingabedaten gefunden werden. Die meisten Techniken des überwachten Lernens werden in diesem Buch aus methodischer und praktischer Sicht mit Anwendungen durch die Python-Software entwickelt. Die folgenden Techniken werden ausführlich behandelt: Nearest Neighbor (kNN), Support Vector Machine (SVM), Naive Bayes, Ensemble-Methoden, Bagging, Boosting, Voting, Stacking, Blending, Random Forest, neuronale Netzwerke, mehrschichtiges Perzeptron, radiale Basisnetzwerke, Hopfield-Netzwerke, LSTM-Netzwerke, rekurrente Netzwerke (RNN), GRU-Netzwerke und neuronale Netzwerke zur Zeitreihenvorhersage.