머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로

머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로 - Python Machine Learning 2/E : Numpy, scikit-learn 0.2x, TensorFlow 2.x로 배우는 머신 러닝, 딥러닝 핵심 알고리즘
세바스찬 라시카.바히드 미자리리 지음, 박해선 옮김 / 길벗 / 2019년 5월

머신러닝에 대해서 , 점점 관심이 많아지고있다. 

어느새, 인공지능에 대한 연구는 미래를 준비하는 사람에게는 필수 과목이 되었다.

나는 간단하게, 텐서플로와 케라스 정도를 학습하고 이책을 봤는데

정말 빠르게, 이론부터 실습까지 다루고 있어, 큰도움이 된책이다.

머신러닝에 대한 기초 이론 지식과 왠만한 이론에 대해서는 다 설명해주고 있다.

import numpy as np
class Perceptron(object):
    def __init__(self,eta=0.01,n_iter=50,random_state=1):
        self.eta = eta
        self.n_iter = n_iter
        self.random_state = random_state

    def fit(self,X,y):
        regen = np.random.RandomState(self.random_state)
        self.w_ = regen.normal(loc=0.0,scale=0.01,size=1+X.shape[1])
        self.errors_=[]

        for _ in range(self.n_tire):
            error  = 0
            for xi, target in zip(X,y):
                update = self.eta * (target - self.predict(xi))
                self.w_[1:]+= update * xi
                self.w_[0] += update
                errors += int(update!=0.0)
            self.errors_.append(error)
        return self

    def net_input(self,X):
        return np.dot(X,self.w_[1:])+self.w_[0]
    def predict(self,X):
        return np.where(self.net_input(X)>=0.0, 1, -1)
import pandas as pd
df = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data',
                  header=None)
df.tail()

.

해당 코드를 colab 에서 실행해 보았다. 잘된다.

왠만한 소스는 쥬피터에서도 실행이 되게끔 설정이 되는 것같아 너무 좋다.

실행환경 설치하다가, 진뺄 염려는 없다.

또 이론만 가득한 책들이 많은데 이책은 흥미진진한 웹애플리케이션을 만드는 예제까지 수록 되어있다.

.

이론만 설명하는 책들은 많은데 실제 머신러닝 예제를 만들어 볼수있는 책은 드문 것같다.

점점 흥미를 더할수있는 책이라 돈이 아깝지 않을것 같다.