從零開始學習線型回歸、分類與聚類的機器學習知識
你需要學到的内容和知識
- 了解Python關于資料科學方面的知識
- 了解Python中Numpy , Pandas, Matplotlib的使用方式
- 了解Linear Regression，Classification以及Clustering的原理以及實作方式
- 了解如何在多個特征點上作出正确的選擇，并在Python上實作
這些學習内容包括Python，機器學習，及各種實際運用的執行個體。 你可以從零基礎開始學習Python語言，了解Python的基本語言，學習Machine Learning的資料處理庫Numpy，Pandas，資料可視化工具庫Matplotlib等。 然後，開始了解，Machine Learning 中的Linear Regression，Classification，Clustering，以及對應的算法，和各種或然率概念。
人工智能是現在最流行和熱門的話題，人才需求也非常巨大，然而，要學習了解這門科學，卻非常困難，原因在于這是一個集中多學科，包括Pyhon語言學習，對應Numpy， Pandas等資料處理，還有數學中，統籌學，或然率概念，方程式等複雜概念。
哪些人需要學習線型回歸、分類與聚類的知識：
- 想學習Python資料科學的人
- 想學習機器學習的人
- 想知道如何使用Numpy ， Pandas， Matplotlib的人
- 想知道Linear Regression，Classification以及Clustering的原理，和方程式知識的人
- 想知道如何在多個特征點上作出正确的選擇，并在Python上實作的人
從零開始學習線型回歸、分類與聚類知識的參考學習書籍推薦
《對縱向資料應用線性回歸：強調缺失的觀測》
《對縱向資料應用線性回歸：強調缺失的觀測》
本書介紹了中級縱向資料分析的最佳實踐，在不犧牲深度的情況下使用最少數量的公式。它滿足了通過可視化重要技術而不是使用抽象數學公式來了解縱向資料分析的統計概念的需求。從概念上解釋了不同的解決方案，例如多重插補，并使用可視化技術闡明了缺失觀測值的後果。
本書的主要内容包括：
- 線上提供資料集和示例
- 提供以非技術方式處理缺失觀測值的最先進方法，特别關注靈敏度分析
- 概念化比較（實驗和觀察）研究的分析
它是流行病學、健康、社會和行為科學領域的研究人員和學生的理想伴侶，他們在沒有數學背景的情況下從事縱向資料研究。
《線性回歸：統計模型簡介》
《線性回歸：統計模型簡介》
本書介紹了定量研究中使用的基本線性回歸模型。它涵蓋了這些統計模型的理論和應用，并用啟發性的圖表來說明它們。
在本書中作者提供了以下方面的指導：
- 确定最适合您的研究的模型
- 進行簡單和多元線性回歸
- 檢查模型假設和過度拟合的危險
作為SAGE定量研究工具包的一部分，本書将幫助您邁出掌握社會科學資料多元分析的關鍵步驟。
《線性回歸模型：在R中的應用》
《線性回歸模型：在R中的應用》
幾十年來，社會和行為科學研究一直受益于線性回歸模型（LRM），以識别和了解一組解釋變量和結果變量之間的關聯。 《線性回歸模型：R 中的應用》提供了對這些模型的全面處理，以及有關如何使用 R 軟體環境估計它們的不可或缺的指導。
在提供了一些背景材料之後，作者解釋了如何在R中估計簡單和多個LRM，包括如何解釋它們的系數和了解它們的假設。有幾章較長的描述了這些假設，并解釋了如何确定它們是否滿足，以及如何修改回歸模型（如果不滿足）。本書還包括有關指定正确模型、調整測量誤差、了解影響觀測的因素以及将模型與多級資料一起使用的章節。本書的最後一章介紹了一個替代模型 - 邏輯回歸 - 專為二進制或兩類結果變量而設計。本書包括讨論資料管理和缺失資料的附錄，并提供R模拟以測試模型假設。
本書的主要特征：
- 提供有關線性回歸模型的全面介紹和詳細資訊，包括如何了解和解釋其結果、測試假設以及在不滿足假設時調整模型。
- 在 R 中使用大量圖形來說明模型的結果、假設和其他功能。
- 學習本書不假設讀者有微積分或線性代數的背景，而是對統計學入門課程和對初等代數的熟悉就足夠了。
- 使用與各種學科相關的真實資料集提供許多示例。
- 在其衆多示例中完全內建了 R 軟體環境。
本書主要面向社會、行為、健康科學和相關學科的進階大學生和研究所學生，學習線性回歸的第一門課程。它也可以用于自學，并為這些領域的所有研究人員提供極好的參考。全書提供的R代碼和詳細示例為讀者提供了一套出色的工具，用于對許多社會和行為現象進行研究。
本書的作者約翰·P·霍夫曼（John P. Hoffmann）是楊百翰大學（Brigham Young University）的社會學教授，教授研究方法和應用統計學課程，并從事藥物使用和犯罪行為的研究。
《初學者使用Python回歸模型：線性模型的理論和應用以及Scratch中的Python邏輯模型》
《初學者使用Python回歸模型：線性模型的理論和應用以及Scratch中的Python邏輯模型》
Python的線性和邏輯回歸，适用于具有動手項目的初學者
您是否正在尋找一種快速學習回歸的動手方法？或者，也許您剛剛完成了資料科學或Python課程，并且正在尋找資料科學模型？
您是否需要從頭開始學習邏輯和線性回歸？
那麼這本書是給你的。
本書将讓你有機會對回歸分析有一個基本的了解，這是任何資料科學家或機器學習工程師所需要的。
本書不僅對所有概念進行深入的理論和分析解釋，而且還包括數十個動手實踐的現實生活項目，幫助您更好地了解這些概念，進而實作這一目标。
本書将從深入研究 Python 程式設計開始，因為所有項目都是使用它開發的，它是目前世界上使用最多的程式設計語言。本書還将探索最著名的資料科學庫，如Pandas，SciPy，Sklearn和Statsmodel。
然後，本書将開始了解如何預處理、準備和可視化資料，因為這些步驟對于任何資料科學項目都至關重要，并且可能占用高達 80% 的項目時間。雖然本書将更多地關注回歸分析中常用的技術，但本書也将詳細解釋任何資料科學項目中使用的所有技術。
這本書提供了什麼...
您将在三個子產品中學習有關回歸分析的所有知識，一個用于簡單線性回歸，一個用于多元回歸，最後一個用于邏輯回歸。所有三個子產品都将包含許多使用真實資料集的實踐項目。
清晰易懂的解決方案
本書中的所有解決方案都經過一組測試版讀者的廣泛測試。所提供的解決方案盡可能簡化，以便它們可以作為示例供您在學習新技能時參考。
本書旨在做什麼...
本書的編寫目的隻有一個——幫助初學者克服學習資料科學和人工智能的最初障礙。
很多時候，新手往往會被資料科學和人工智能吓倒。
本書的目标是分離不同的概念，以便初學者在本章末尾進行項目之前逐漸獲得回歸基礎知識的能力。
資料科學的初學者在一次邁出一步時不一定令人恐懼或沮喪。