当前位置:首页 > 人工智能 >
《机器学习实战:基于Scikit-Learn和TensorFlow》电子书封面

机器学习实战:基于Scikit-Learn和TensorFlow

  • 发布时间:2019年11月28日 17:01:21
  • 作者:奥雷利安·杰龙
  • 大小:13.99 MB
  • 类别:机器学习电子书
  • 格式:PDF
  • 版本:扫描版
  • 评分:9.2

    机器学习实战:基于Scikit-Learn和TensorFlow PDF 扫描版

      给大家带来的一篇关于机器学习相关的电子书资源,介绍了关于机器学习、Scikit-Learn、TensorFlow方面的内容,本书是由机械工业出版社出版,格式为PDF,资源大小13.99 MB,奥雷利安·杰龙编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:9.8。

      内容介绍

      机器学习实战:基于Scikit-Learn和TensorFlow

      内容介绍

      这书关键分成2个一部分。*一部分为第1章到第8章,包含深度学习的基础知识专业知识和基础优化算法——从线性回归到随机森林等,协助小读者把握Scikit-Learn的常见方式;继集分成第9章到第18章,讨论深度神经网络和常见架构TensorFlow,脚踏实地地领着小读者应用TensorFlow构建和训炼深度神经网络,及其卷积神经网络。

      目录

      • 前言1
      • 第一部分 机器学习基础
      • 第1章 机器学习概览11
      • 什么是机器学习12
      • 为什么要使用机器学习12
      • 机器学习系统的种类15
      • 监督式/无监督式学习16
      • 批量学习和在线学习21
      • 基于实例与基于模型的学习24
      • 机器学习的主要挑战29
      • 训练数据的数量不足29
      • 训练数据不具代表性30
      • 质量差的数据32
      • 无关特征32
      • 训练数据过度拟合33
      • 训练数据拟合不足34
      • 退后一步35
      • 测试与验证35
      • 练习37
      • 第2章 端到端的机器学习项目39
      • 使用真实数据39
      • 观察大局40
      • 框架问题41
      • 选择性能指标42
      • 检查假设45
      • 获取数据45
      • 创建工作区45
      • 下载数据48
      • 快速查看数据结构49
      • 创建测试集52
      • 从数据探索和可视化中获得洞见56
      • 将地理数据可视化57
      • 寻找相关性59
      • 试验不同属性的组合61
      • 机器学习算法的数据准备62
      • 数据清理63
      • 处理文本和分类属性65
      • 自定义转换器67
      • 特征缩放68
      • 转换流水线68
      • 选择和训练模型70
      • 培训和评估训练集70
      • 使用交叉验证来更好地进行评估72
      • 微调模型74
      • 网格搜索74
      • 随机搜索76
      • 集成方法76
      • 分析最佳模型及其错误76
      • 通过测试集评估系统77
      • 启动、监控和维护系统78
      • 试试看79
      • 练习79
      • 第3章 分类80
      • MNIST80
      • 训练一个二元分类器82
      • 性能考核83
      • 使用交叉验证测量精度83
      • 混淆矩阵84
      • 精度和召回率86
      • 精度/召回率权衡87
      • ROC曲线90
      • 多类别分类器93
      • 错误分析95
      • 多标签分类98
      • 多输出分类99
      • 练习100
      • 第4章 训练模型102
      • 线性回归103
      • 标准方程104
      • 计算复杂度106
      • 梯度下降107
      • 批量梯度下降110
      • 随机梯度下降112
      • 小批量梯度下降114
      • 多项式回归115
      • 学习曲线117
      • 正则线性模型121
      • 岭回归121
      • 套索回归123
      • 弹性网络125
      • 早期停止法126
      • 逻辑回归127
      • 概率估算127
      • 训练和成本函数128
      • 决策边界129
      • Softmax回归131
      • 练习134
      • 第5章 支持向量机136
      • 线性SVM分类136
      • 软间隔分类137
      • 非线性SVM分类139
      • 多项式核140
      • 添加相似特征141
      • 高斯RBF核函数142
      • 计算复杂度143
      • SVM回归144
      • 工作原理145
      • 决策函数和预测146
      • 训练目标146
      • 二次规划148
      • 对偶问题149
      • 核化SVM149
      • 在线SVM151
      • 练习152
      • 第6章 决策树154
      • 决策树训练和可视化154
      • 做出预测155
      • 估算类别概率157
      • CART训练算法158
      • 计算复杂度158
      • 基尼不纯度还是信息熵159
      • 正则化超参数159
      • 回归161
      • 不稳定性162
      • 练习163
      • 第7章 集成学习和随机森林165
      • 投票分类器165
      • bagging和pasting168
      • Scikit-Learn的bagging和pasting169
      • 包外评估170
      • Random Patches和随机子空间171
      • 随机森林172
      • 极端随机树173
      • 特征重要性173
      • 提升法174
      • AdaBoost175
      • 梯度提升177
      • 堆叠法181
      • 练习184
      • 第8章 降维185
      • 维度的诅咒186
      • 数据降维的主要方法187
      • 投影187
      • 流形学习189
      • PCA190
      • 保留差异性190
      • 主成分191
      • 低维度投影192
      • 使用Scikit-Learn192
      • 方差解释率193
      • 选择正确数量的维度193
      • PCA压缩194
      • 增量PCA195
      • 随机PCA195
      • 核主成分分析196
      • 选择核函数和调整超参数197
      • 局部线性嵌入199
      • 其他降维技巧200
      • 练习201
      • 第二部分 神经网络和深度学习
      • 第9章 运行TensorFlow205
      • 安装207
      • 创建一个计算图并在会话中执行208
      • 管理图209
      • 节点值的生命周期210
      • TensorFlow中的线性回归211
      • 实现梯度下降211
      • 手工计算梯度212
      • 使用自动微分212
      • 使用优化器214
      • 给训练算法提供数据214
      • 保存和恢复模型215
      • 用TensorBoard来可视化图和训练曲线216
      • 命名作用域219
      • 模块化220
      • 共享变量222
      • 练习225
      • 第10章 人工神经网络简介227
      • 从生物神经元到人工神经元227
      • 生物神经元228
      • 具有神经元的逻辑计算229
      • 感知器230
      • 多层感知器和反向传播233
      • 用TensorFlow的高级API来训练MLP236
      • 使用纯TensorFlow训练DNN237
      • 构建阶段237
      • 执行阶段240
      • 使用神经网络241
      • 微调神经网络的超参数242
      • 隐藏层的个数242
      • 每个隐藏层中的神经元数243
      • 激活函数243
      • 练习244
      • 第11章 训练深度神经网络245
      • 梯度消失/爆炸问题245
      • Xavier初始化和He初始化246
      • 非饱和激活函数248
      • 批量归一化250
      • 梯度剪裁254
      • 重用预训练图层255
      • 重用TensorFlow模型255
      • 重用其他框架的模型256
      • 冻结低层257
      • 缓存冻结层257
      • 调整、丢弃或替换高层258
      • 模型动物园258
      • 无监督的预训练259
      • 辅助任务中的预训练260
      • 快速优化器261
      • Momentum优化261
      • Nesterov梯度加速262
      • AdaGrad263
      • RMSProp265
      • Adam优化265
      • 学习速率调度267
      • 通过正则化避免过度拟合269
      • 提前停止269
      • 1和2正则化269
      • dropout270
      • 最大范数正则化273
      • 数据扩充274
      • 实用指南275
      • 练习276
      • 第12章 跨设备和服务器的分布式TensorFlow279
      • 一台机器上的多个运算资源280
      • 安装280
      • 管理GPU RAM282
      • 在设备上操作284
      • 并行执行287
      • 控制依赖288
      • 多设备跨多服务器288
      • 开启一个会话290
      • master和worker服务290
      • 分配跨任务操作291
      • 跨多参数服务器分片变量291
      • 用资源容器跨会话共享状态292
      • 使用TensorFlow队列进行异步通信294
      • 直接从图中加载数据299
      • 在TensorFlow集群上并行化神经网络305
      • 一台设备一个神经网络305
      • 图内与图间复制306
      • 模型并行化308
      • 数据并行化309
      • 练习314
      • 第13章 卷积神经网络31

      学习笔记

      PHP机器学习库php-ml的简单测试和使用方法

      php-ml是一个使用PHP编写的机器学习库。虽然我们知道,python或者是C++提供了更多机器学习的库,但实际上,他们大多都略显复杂,配置起来让很多新手感到绝望。 php-ml这个机器学习库虽然没有特别高大上的算法,但其具有最基本的机器学习、分类等算法,我们的小公司做一些简单的数据分析、预测等等都是够用的。我们的项目中,追求的应该是性价比,而不是过分的效率和精度。一些算法和库看上去非常厉害,但如果我们考虑快速上线,而我们的技术人员没有机器学习方面的经验,那么复杂的代码和配置反而会拖累我们的项目。而如果我们本身就是做一个简单的机器学习应用,那么研究复杂库和算法……

      python实现机器学习多元线性回归总结

      总体思路与一元线性回归思想一样,现在将数据以矩阵形式进行运算,更加方便。 一元线性回归实现代码 下面是多元线性回归用Python实现的代码: import numpy as npdef linearRegression(data_X,data_Y,learningRate,loopNum): W = np.zeros(shape=[1, data_X.shape[1]]) # W的shape取决于特征个数,而x的行是样本个数,x的列是特征值个数 # 所需要的W的形式为 行=特征个数,列=1 这样的矩阵。但也可以用1行,再进行转置:W.T # X.shape[0]取X的行数,X.shape[1]取X的列数 b = 0 #梯度下降 for i in range(loopNum): W_derivative = np.zeros(shape=[1, data_X.shape[1]]) b_derivative, cost = 0, 0 WXPlusb = np.dot(data_X, W.T) + b # W.T:W的转置 W_derivative += np.dot((WXPlusb - data_Y).T, data_X) # n……

      python机器学习之神经网络实现

      神经网络在机器学习中有很大的应用,甚至涉及到方方面面。本文主要是简单介绍一下神经网络的基本理论概念和推算。同时也会介绍一下神经网络在数据分类方面的应用。 首先,当我们建立一个回归和分类模型的时候,无论是用最小二乘法(OLS)还是最大似然值(MLE)都用来使得残差达到最小。因此我们在建立模型的时候,都会有一个loss function。 而在神经网络里也不例外,也有个类似的loss function。 对回归而言: 对分类而言: 然后同样方法,对于W开始求导,求导为零就可以求出极值来。 关于式子中的W。我们在这里以三层的神经网络为例。先介绍一下神经网络的相关参数。 第一层是输入层,第二……

      Python机器学习之scikit-learn库中KNN算法的封装与使用方法

      本文实例讲述了Python机器学习之scikit-learn库中KNN算法的封装与使用方法。分享给大家供大家参考,具体如下: 1、工具准备,python环境,pycharm 2、在机器学习中,KNN是不需要训练过程的算法,也就是说,输入样例可以直接调用predict预测结果,训练数据集就是模型。当然这里必须将训练数据和训练标签进行拟合才能形成模型。 3、在pycharm中创建新的项目工程,并在项目下新建KNN.py文件。 import numpy as npfrom math import sqrtfrom collections import Counterclass KNNClassifier: def __init__(self,k): """初始化KNN分类器""" assert k = 1 """断言判断k的值是否合法""" self.k = k self._X_train = None self._y_train = None def fit(self,X_train,y_train): """根据训练……

      以上就是本次介绍的机器学习电子书的全部相关内容,希望我们整理的资源能够帮助到大家,感谢大家对码农之家的支持。

      上一篇:揭秘深度强化学习

      下一篇:Python机器学习

      展开 +

      收起 -

      • 《机器学习实战:基于Scikit-Learn和TensorFlow》PDF下载

      码小辫

      重要!版权问题,本电子书取消了本地下载!

      需要的朋友可以关注左边的微信号,发送 电子书名关键字 (例如:python 算法……)

      如果找不到可以联系小辫(微信:maxiaobian1024)

      机器学习相关电子书
      Spark机器学习
      Spark机器学习 原书第2版

      spark机器学习入门与进阶实战 Spark项目管理委员会成员作品 注重技术实践 通过大量实例演示如何创建有用的机器学习系统

      立即下载
      Python机器学习经典实例
      Python机器学习经典实例 超清中文版

      《Python机器学习经典实例》首先通过实用的案例介绍机器学习的基础知识,然后介绍一些稍微复杂的机器学习算法,例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网

      立即下载
      机器学习从认知到实践 第2辑
      机器学习从认知到实践 第2辑 全书完整版

      包含Python机器学习实践指南、TensorFlow机器学习项目实战、TensorFlow技术解析与实战共三套,本书适合Python程序员、数据分析人员、对算法感兴趣的读者

      立即下载
      数据挖掘与机器学习:WEKA应用技术与实践
      数据挖掘与机器学习:WEKA应用技术与实践 原书第二版

      本书过大量的实践操作,使读者了解并掌握数据挖掘和机器学习的相关技能,系统讲解Weka 3.7.13的操作、理论和应用,适合数据挖掘和机器学习相关人员作为技术参考书使用

      立即下载
      深入浅出Python机器学习
      深入浅出Python机器学习 完整超清版

      人工智能,火了!计算机是由程序驱动的,人工智能不过是一些特殊的算法。只要你有一些程序设计语言的基础,跟随本书,你也能进入人工智能的世界,成为一名人工智能应用的开发者。

      立即下载
      Python+Spark2.0+Hadoop机器学习与大数据实战
      Python+Spark2.0+Hadoop机器学习与大数据实战 原书扫描版

      本书从浅显易懂的“大数据和机器学习”原理说明入手,讲述大数据和机器学习的基本概念,浅显易懂的原理介绍加上Step by Step 实机操作、范例程序详细解说,实现降低机器学习与大数据技术

      立即下载
      深度实践Spark机器学习
      深度实践Spark机器学习 高质量扫描版

      本书系统讲解Spark机器学习技术、原理、算法和组件,以及构建Spark机器学习系统的方法、流程、标准和规范,介绍了Spark的深度学习框架TensorFlowOnSpark,以及如何借助它实现卷积神经网络和循环神经网络

      立即下载
      读者留言
      cwbcom

      cwbcom 提供上传

      资源
      37
      粉丝
      38
      喜欢
      927
      评论
      15

      Copyright 2018-2020 www.xz577.com 码农之家

      投诉 / 推广 / 赞助:QQ:520161757