Can I read 机器学习实战 基于SCIKIT-LEARN、KERAS和TENSORFLOW 原书第2版 on EtoBox?

机器学习实战 基于SCIKIT-LEARN、KERAS和TENSORFLOW 原书第2版 by Pdg2Pic is a book available to read on EtoBox.

What is 机器学习实战 基于SCIKIT-LEARN、KERAS和TENSORFLOW 原书第2版 about?

封面 1 书名 2 版权 3 前言 4 目录 9 前言 15 第一部分 机器学习的基础知识 25 第1章 机器学习概览 27 1.1 什么是机器学习 28 1.2 为什么使用机器学习 28 1.3 机器学习的应用示例 30 1.4 机器学习系统的类型 32 1.5 机器学习的主要挑战 46 1.6 测试与验证 52 1.7 练习题 54 第2章 端到端的机器学习项目 56 2.1 使用真实数据 56 2.2 观察大局 58 2.3 获取数据 62 2.4 从数据探索和可视化中获得洞见 74 2.5 机器学习算法的数据准备 80 2.6 选择和训练模型 88 2.7 微调模型 91 2.8 启动、监控和维护你的系统 96 2.9 试试看 98 2.10 练习题 98 第3章 分类 100 3.1 MNIST 100 3.2 训练二元分类器 102 3.3 性能测量 103 3.4 多类分类器 113 3.5 误差分析 115 3.6 多标签分类 118 3.7 多输出分类 119 3.8 练习题 121 第4章 训练模型 122 4.1 线性回归 123 4.2 梯度下降 127 4.3 多项式回归 136 4.4 学习曲线 138 4.5 正则化线性模型 141 4.6 逻辑回归 148 4.7 练习题 155 第5章 支持向量机 157 5.1 线性SVM分类 157 5.2 非线性SVM分类 160 5.3 SVM回归 165 5.4 工作原理 166 5.5 练习题 174 第6章 决策树 176 6.1 训练和可视化决策树 176 6.2 做出预测 177 6.3 估计类概率 179 6.4 CART训练算法 180 6.5 计算复杂度 180 6.6 基尼不纯度或熵 181 6.7 正则化超参数 181 6.8 回归 182 6.9 不稳定性 184 6.10 练习题 186 第7章 集成学习和随机森林 187 7.1 投票分类器 187 7.2 bagging和pasting 190 7.3 随机补丁和随机子空间 193 7.4 随机森林 194 7.5 提升法 196 7.6 堆叠法 204 7.7 练习题 206 第8章 降维 207 8.1 维度的诅咒 208 8.2 降维的主要方法 209 8.3 PCA 212 8.4 内核PCA 218 8.5 LLE 220 8.6 其他降维技术 222 8.7 练习题 223 第9章 无监督学习技术 225 9.1 聚类 226 9.2 高斯混合模型 246 9.3 练习题 259 第二部分 神经网络与深度学习 261 第10章 Keras人工神经

Author

Pdg2Pic

Language

ZH