機器學習系統設計：Python語言實現 ( 簡體 字) |
| 作者：[美] 戴維·朱利安（David Julian） | 類別：1. -> 程式設計 -> 機器學習
2. -> 程式設計 -> Python |
| 譯者： |
| 出版社：機械工業出版社 |  3dWoo書號： 46930
詢問書籍請說出此書號！【缺書】
NT售價： 295 元 |
| 出版日：6/1/2017 |
| 頁數：190 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787111569459 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：機器學習模型不能給出準確結果的原因有很多。從設計的角度來審視這些系統，我們能夠深入理解其底層算法和可用的優化方法。本書為我們提供了機器學習設計過程的堅實基礎，能夠使我們為特定問題建立起定制的機器學習模型。我們可能已經了解或使用過一些為解決常見問題的商用機器學習模型，例如垃圾郵件檢測或電影分級，但是要著手于解決更為復雜的問題，則其重點是讓這些模型適用于我們自己特定的需求。 |
目錄：譯者序
前言
第1章 機器學習的思維1
1.1 人機界面1
1.2 設計原理4
1.2.1 問題的類型6
1.2.2 問題是否正確7
1.2.3 任務8
1.2.4 統一建模語言27
1.3 總結31
第2章 工具和技術32
2.1 Python與機器學習33
2.2 IPython控制臺33
2.3 安裝SciPy棧34
2.4 NumPy35
2.4.1 構造和變換數組38
2.4.2 數學運算39
2.5 Matplotlib41
2.6 Pandas45
2.7 SciPy47
2.8 Scikit-learn50
2.9 總結57
第3章 將數據變為信息58
3.1 什么是數據58
3.2 大數據59
3.2.1 大數據的挑戰60
3.2.2 數據模型62
3.2.3 數據分布63
3.2.4 來自數據庫的數據67
3.2.5 來自互聯網的數據68
3.2.6 來自自然語言的數據70
3.2.7 來自圖像的數據72
3.2.8 來自應用編程接口的數據72
3.3 信號74
3.4 數據清洗76
3.5 數據可視化78
3.6 總結80
第4章 模型—從信息中學習81
4.1 邏輯模型81
4.1.1 一般性排序83
4.1.2 解釋空間84
4.1.3 覆蓋空間86
4.1.4 PAC學習和計算復雜性87
4.2 樹狀模型88
4.3 規則模型92
4.3.1 有序列表方法94
4.3.2 基于集合的規則模型95
4.4 總結98
第5章 線性模型100
5.1 最小二乘法101
5.1.1 梯度下降102
5.1.2 正規方程法107
5.2 logistic回歸109
5.3 多分類113
5.4 正則化115
5.5 總結117
第6章 神經網絡119
6.1 神經網絡入門119
6.2 logistic單元121
6.3 代價函數126
6.4 神經網絡的實現128
6.5 梯度檢驗133
6.6 其他神經網絡架構134
6.7 總結135
第7章 特征—算法眼中的世界136
7.1 特征的類型137
7.1.1 定量特征137
7.1.2 有序特征138
7.1.3 分類特征138
7.2 運算和統計139
7.3 結構化特征141
7.4 特征變換141
7.4.1 離散化143
7.4.2 歸一化144
7.4.3 校準145
7.5 主成分分析149
7.6 總結151
第8章 集成學習152
8.1 集成學習的類型152
8.2 Bagging方法153
8.2.1 隨機森林154
8.2.2 極端隨機樹155
8.3 Boosting方法159
8.3.1 AdaBoost161
8.3.2 梯度Boosting163
8.4 集成學習的策略165
8.5 總結168
第9章 設計策略和案例研究169
9.1 評價模型的表現169
9.2 模型的選擇174
9.3 學習曲線176
9.4 現實世界中的案例研究178
9.4.1 建立一個推薦系統178
9.4.2 溫室蟲害探測185
9.5 機器學習一瞥188
9.6 總結190 |
| 序： |
