返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版新书]机器学习实战 基于Scikit-Learn和TensorFlow奥雷利安·
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 奥雷利安·杰龙著 | 奥雷利安·杰龙编 | 奥雷利安·杰龙译 | 奥雷利安·杰龙绘
    • 出版社: 机械工业出版社
    • 出版时间:2018-09-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 奥雷利安·杰龙著| 奥雷利安·杰龙编| 奥雷利安·杰龙译| 奥雷利安·杰龙绘
    • 出版社:机械工业出版社
    • 出版时间:2018-09-01
    • 版次:1
    • 印次:1
    • 印刷时间:2018-09-01
    • 字数:400
    • 页数:459
    • 开本:16开
    • ISBN:9787111603023
    • 版权提供:机械工业出版社
  • 作者: 奥雷利安·杰龙
  • 著: 奥雷利安·杰龙
  • 装帧: 平装
  • 印次: 1
  • 定价: 119
  • ISBN: 9787111603023
  • 出版社: 机械工业出版社
  • 开本: 16开
  • 印刷时间: 2018-09-01
  • 语种: 中文
  • 出版时间: 2018-09-01
  • 页数: 459
  • 外部编号: 五三B62220
  • 版次: 1
  • 成品尺寸: 暂无
  • 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315
    视觉皮层的组织结构315
    卷积层317
    过滤器318
    多个特征图的叠加319
    TensorFlow实现321
    内存需求323
    池化层323
    CNN架构325
    LeNet-5326
    AlexNet327
    GoogLeNet328
    ResNet331
    练习334
    第14章 循环神经网络337
    循环神经元337
    记忆单元339
    输入和输出序列340
    TensorFlow中的基本RNN341
    通过时间静态展开342
    通过时间动态展开344
    处理长度可变输入序列344
    处理长度可变输出序列345
    训练RNN346
    训练序列分类器346
    训练预测时间序列348
    创造性的RNN352
    深层RNN353
    在多个GPU中分配一个深层RNN354
    应用丢弃机制355
    多个时间迭代训练的难点356
    LSTM单元357
    窥视孔连接359
    GRU单元359
    自然语言处理361
    单词嵌入361
    用于机器翻译的编码器-解码器网络362
    练习364
    第15章 自动编码器366
    高效的数据表示366
    使用不完整的线性自动编码器实现PCA368
    栈式自动编码器369
    TensorFlow实现370
    权重绑定371
    一次训练一个自动编码器372
    重建可视化374
    特征可视化375
    使用堆叠的自动编码器进行无监控的预训练376
    去噪自动编码器377
    TensorFlow 实现378
    稀疏自动编码器379
    TensorFlow 实现380
    变分自动编码器381
    生成数字384
    其他自动编码器385
    练习386
    第16章 强化学习388
    学习奖励最优化389
    策略搜索390
    OpenAI gym 介绍391
    神经网络策略394
    评估行为:信用分配问题396
    策略梯度397
    马尔可夫决策过程401
    时间差分学习与Q学习405
    探索策略406
    逼近Q学习407
    使用深度Q学习玩吃豆人游戏407
    练习414
    致谢415
    附录A 练习答案416
    附录B 机器学习项目清单438
    附录C SVM对偶问题444
    附录D 自动微分447
    附录E 其他流行的ANN架构453

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购