[Орельен Жерон] Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow 2-e издание [RUS, 2020]

Коды
https://githuЬ.com/ageron/handson-ml2

Все иллюстрации к книге в цветном варианте:
http://go.dialektika.com/mlearning

Наиболее важные алгоритмы обучения с учителем:

• k ближайших соседей (k-Nearest Neighbors) • линейная регрессия (Linear Regression) • логистическая регрессия (Logistic Regression) • метод опорных векторов (Support Vector Machine - SVM) • деревья принятия решений (Decision Tree) и случайные леса (Random Forest) • нейронные сети (neural network)

Наиболее важные алгоритмы обучения без учите­ля:

• Кластеризация:

• K-Means (К-средние)
• DBSCAN
• иерархический кластерный анализ (Hierarchical Cluster Analysis - HCA)

• Обнаружение аномалий и обнаружение новизны:

• одноклассовый SVM
• изолирующий лес

• Визуализация и понижение размерности:

• анализ главных компонентов (Principal Component Analysis - РСА)
• ядерный анализ главных компонентов (Kernel РСА)
• локальное линейное вложение (Locally-Linear Embedding - LLE)
• стохастическое вложение соседей с t-распределением (t-distributed Stochastic Neighbor Embedding - t-SNE)

• Обучение ассоциативным правилам (association rule learning):

• Apriori
• Eclat

<br/>

https://github.com/ageron/handson-ml

<br/>

**В ubuntu:**

Подготовил окружение как <a href="/ds/devtools/python/virtualenv/">здесь</a>

<br/>

**Импортируем данные**

// Инфа
https://github.com/ageron/handson-ml/blob/master/02_end_to_end_machine_learning_project.ipynb

<br/>

```python
import os
import tarfile
from six.moves import urllib

DOWNLOAD_ROOT = "https://raw.githubusercontent.com/ageron/handson-ml/master/"
HOUSING_PATH = os.path.join("datasets", "housing")
HOUSING_URL = DOWNLOAD_ROOT + "datasets/housing/housing.tgz"

def fetch_housing_data(housing_url=HOUSING_URL, housing_path=HOUSING_PATH):
    os.makedirs(housing_path, exist_ok=True)
    tgz_path = os.path.join(housing_path, "housing.tgz")
    urllib.request.urlretrieve(housing_url, tgz_path)
    housing_tgz = tarfile.open(tgz_path)
    housing_tgz.extractall(path=housing_path)
    housing_tgz.close()

fetch_housing_data()

import pandas as pd

def load_housing_data(housing_path=HOUSING_PATH):
    csv_path = os.path.join(housing_path, "housing.csv")
    return pd.read_csv(csv_path)

housing = load_housing_data()
housing.head()