logo资料库

Hands on Machine Learning with Scikit Learn and TensorFlow - 中文版.pdf

发布时间：2022-06-19 发布人：admin 分类：说明书 资料大小：7.60M 资料格式：pdf 举报 版权申诉
第1页 / 共385页
第2页 / 共385页
第3页 / 共385页
第4页 / 共385页
第5页 / 共385页
第6页 / 共385页
第7页 / 共385页
第8页 / 共385页
资料共385页，剩余部分请下载后查看
    Sklearn 与 TensorFlow 机器学习实用指南
    零、前言
    一、机器学习概览
    二、一个完整的机器学习项目
    三、分类
    四、训练模型
    五、支持向量机
    六、决策树
    七、集成学习和随机森林
    八、降维
    九、启动并运行 TensorFlow
    十、人工神经网络介绍
    十一、训练深层神经网络
    十二、设备和服务器上的分布式 TensorFlow
    十三、卷积神经网络
    十四、循环神经网络
    十五、自编码器
    十六、强化学习
    附录 C、SVM 对偶问题
    附录 D、自动微分
    目錄 Sklearn 与 TensorFlow 机器学习实用指南 零、前言 一、机器学习概览 二、一个完整的机器学习项目 三、分类 四、训练模型 五、支持向量机 六、决策树 七、集成学习和随机森林 八、降维 九、启动并运行 TensorFlow 十、人工神经网络介绍 十一、训练深层神经网络 十二、设备和服务器上的分布式 TensorFlow 十三、卷积神经网络 十四、循环神经网络 十五、自编码器 十六、强化学习 附录 C、SVM 对偶问题 附录 D、自动微分 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 1.10 1.11 1.12 1.13 1.14 1.15 1.16 1.17 1.18 1.19 1.20 2
    Sklearn 与 TensorFlow 机器学习实用指南 Sklearn 与 TensorFlow 机器学习实用指南 协议：CC BY-NC-SA 4.0 欢迎任何人参与和完善：一个人可以走的很快，但是一群人却可以走的更远 ApacheCN - 机器学习交流群 629470233 ApacheCN 学习资源 利用 Python 进行数据分析 第二版 在线阅读 PDF格式 EPUB格式 MOBI格式 代码仓库 3
    Sklearn 与 TensorFlow 机器学习实用指南 目录结构 零、前言 第一部分 机器学习基础 一、机器学习概览 二、一个完整的机器学习项目 三、分类 四、训练模型 五、支持向量机 六、决策树 七、集成学习和随机森林 八、降维 第二部分 神经网络与深度学习 九、启动并运行 TensorFlow 十、人工神经网络介绍 十一、训练深层神经网络 十二、设备和服务器上的分布式 TensorFlow 十三、卷积神经网络 十四、循环神经网络 十五、自编码器 十六、强化学习 附录 附录 C、SVM 对偶问题 附录 D、自动微分 联系方式 项目负责人 @SeanCheney: 731384963 @飞龙: 562826179 @小瑶: 190442212 项目贡献者 4
    Sklearn 与 TensorFlow 机器学习实用指南 标题 译者 校对 前言 第一部分 机器学习基础 @小瑶 - @小瑶 一、机器学习概览 @SeanCheney @Lisanaaa @飞龙 @yanmengk @Liu Shangfeng 二、一个完整的机器学习项 目 @SeanCheney @Lisanaaa @飞龙 @PeterHo 三、分类 四、训练模型 五、支持向量机 六、决策树 七、集成学习和随机森林 八、降维 第二部分 神经网络与深度学 习 九、启动并运行 TensorFlow 十、人工神经网络介绍 十一、训练深层神经网络 @时间魔术师 @C-PIG @QiaoXie @Lisanaaa @y3534365 @friedhelm739 @loveSnowBest - @akonwang @WilsonQu @akonwang @friedhelm739 @akonwang @飞龙 十二、设备和服务器上的分 布式 TensorFlow @空白 十三、卷积神经网络 十四、循环神经网络 十五、自编码器 十六、强化学习 附录 附录 C、SVM 对偶问题 附录 D、自动微分 其它 @akonwang @WilsonQu @akonwang @alexcheen @飞龙 @akonwang @friedhelm739 - @rickllyxu @rickllyxu @片刻 @Lisanaaa @飞龙 @ZTFrom1994 @PeterHo @飞龙 @飞龙 @PeterHo @yanmengk @飞龙 @飞龙 @PeterHo @yanmengk @飞龙 @PeterHo @yanmengk @Lisanaaa @飞龙 @飞龙 @飞龙 @Zeyu Zhong @飞龙 @飞龙 @yanmengk @飞龙 @飞龙 @yanmengk @飞龙 @rickllyxu - 5
    Sklearn 与 TensorFlow 机器学习实用指南 编译 gitbook install # 安装必要的插件 gitbook serve # 编译 HTML gitbook epub # 编译 EPUB 免责声明 ApacheCN 纯粹出于学习目的与个人兴趣翻译本书，不追求任何经济利益。 本译文只供学习研究参考之用，不得用于商业用途。ApacheCN 保留对此版本译文的署名权 及其它相关权利。 赞助我们 6
    零、前言 零、前言 1、机器学习海啸 2006年，Geoffrey Hinton等人发表了一篇论文，展示了如何训练能够识别具有最新精度（> 98%）的手写数字的深度神经网络。他们称这种技术为“Deep Learning”。当时，深度神经网 络的训练被广泛认为是不可能的，并且大多数研究人员自 20 世纪 90 年代以来就放弃了这个 想法。这篇论文重新激起了科学界的兴趣，不久之后，许多新发表的论文表明，深度学习不 仅是可能的，而且能够取得其他的 Machine Learning 技术都难以匹配的令人兴奋的成就（借 助巨大的计算能力和大量的数据）。这种热情很快扩展到机器学习的许多的其他领域。 Deep Learning 快速发展的 10 年间和机器学习已经征服了这个行业：它现在成为了当今高科 技产品中的许多黑科技的核心，比如，为您的网络搜索结果排名，为智能手机的语音识别提 供支持，为您推荐您喜欢的视频，在围棋游戏中击败世界冠军。在你知道之前，它都可能会 驾驶您的汽车。 2、您项目中的机器学习 现在你是不是对机器学习感到兴奋，并且很乐意加入到这个阵营中？ 也许你希望给自己制造 的机器人赋予一个自己的大脑？让它可以面部识别？还是学会到处走走？ 也许你的公司有大量的数据（用户日志，财务数据，生产数据，机器传感器数据，热线统计 数据，人力资源报告等），如果你知道在哪方面观察，你可能会发现一些隐藏着的瑰宝。例 如： 细分客户，为每个团队找到最佳的营销策略 根据类似客户购买的产品为每个客户推荐产品 检测哪些交易可能是欺诈行为 预测下一年的收入 更多应用 无论什么原因，你决定开始学习机器学习，并在你的项目中实施，这是一个好主意！ 3、目标和方法 本书假定你对机器学习几乎一无所知。它的目标是给你实际实现能够从数据中学习的程序所 需的概念，直觉和工具。 7
    零、前言 我们将介绍大量的技术，从最简单的和最常用的（如线性回归）到一些定期赢得比赛的深度 学习技术。 我们将使用现成的 Python 框架，而不是实现我们自己的每个算法的玩具版本： Scikit-learn 非常易于使用，并且实现了许多有效的机器学习算法，因此它为学习机器学 习提供了一个很好的切入点。 TensorFlow 是使用数据流图进行分布式数值计算的更复杂的库。它通过在潜在的数千个 多 GPU 服务器上分布式计算，可以高效地训练和运行非常大的神经网络。TensorFlow 是被 Google 创造的，支持其大型机器学习应用程序。于 2015年11月开源。 本书倾向于实际操作的方法，通过具体的实例和一点理论来增加对机器学习的直观理解。虽 然你可以在不拿笔记本电脑的情况下阅读此书，但是我们强烈建议你通过 https://github.com/ageron/handson-ml 在线实现 Jupyter notebooks 上的代码示例。 4、准备条件 本书假定您有一些 Python 编程经验，并且比较熟悉 Python 的主要科学库，特别是 NumPy， Pandas 和 Matplotlib 。 另外，如果你关心的是底层实现/原理，你应该对大学水平的数学（微积分，线性代数，概率 和统计学）有一些了解。 如果你还不了解 Python，http://learnpython.org/ 是你学习使用 Python 的好地方。 python.org 官方教程也是相当不错的。 如果你从未使用过 Jupyter ，第 2 章将指导你完成安装和基本操作：它是你工具箱中的一个 很好的工具。 如果你不熟悉 Python 的科学库，提供的一些 Jupyter notebook 包括了一些教程。还有一个线 性代数的快速数学教程。 5、路线图 这本书分为两个部分。 第一部分，机器学习的基础知识，涵盖以下主题： 什么是机器学习？它被试图用来解决什么问题？机器学习系统的主要类别和基本概念是 什么？ 典型的机器学习项目中的主要步骤。 通过拟合数据来学习模型。 优化成本函数（cost function）。 8
    分享到：
    赞 收藏

    相关推荐

    资料库

    人工智能

    共收录2047份资料，累计62个分类，关注成员有19位，主要包括：GNSS,Pico-SIM868-GSM,GPRS,NB-IoT,GPRSHAT,SIM7070GCat-M,GNSSHAT,GSM,NB-IoTHAT,SIM7080GCat-M,R800CGSM,SIM800CGSM,UPSPowerModule(B),UPSPowerModule,Pico-SIM7020C-NB-IoT,SIM7028NB-IoTHAT,SIM7020CNB-IoTHAT,SIM7000XNB-IoTHAT,A7670CCat-1HAT,A7600C1Cat-1,SIM7600X4G&LTECat-1HAT,SIM7600X4GDONGLE用户手册,RM520N-GL5GHAT,RM500Q-GL5GHAT,RM500U-CN5GHAT,SIM820X-M25GforJetsonNano,AudioCardforJetsonNano,SIM7600G-H4GforJetsonNano,OpenNCC-Lite-4G8M,IMX219-77Camera,13.3inche-PaperHAT,10.3inche-PaperHAT(D),10.3inche-PaperHAT,9.7inche-PaperHAT,7.8inche-PaperHAT,6inchHDTouche-PaperHAT,6inchHDe-PaperHAT,6inche-PaperHAT,5.83inche-PaperHAT(C),LCD-Clock-A,0.95inchRGBOLED(A),0.96inchRGBOLEDModule,0.96inchOLEDModule,0.96inchOLED(A),1.27inchRGBOLEDModule,1.3inchOLEDModule(C),1.3inchOLED(A),1.32inchOLEDModule,1.5inchRGBOLEDModule,1.5inchOLEDModule,JETSONORINNX,自然语言处理,搜索引擎,VR,计算广告,深度学习,机器学习

    热门标签

    GNSS Pico-SIM868-GSM GPRS NB-IoT GPRSHAT SIM7070GCat-M GNSSHAT GSM NB-IoTHAT SIM7080GCat-M R800CGSM SIM800CGSM UPSPowerModule(B) UPSPowerModule Pico-SIM7020C-NB-IoT SIM7028NB-IoTHAT SIM7020CNB-IoTHAT SIM7000XNB-IoTHAT A7670CCat-1HAT A7600C1Cat-1 SIM7600X4G&LTECat-1HAT SIM7600X4GDONGLE用户手册 RM520N-GL5GHAT RM500Q-GL5GHAT RM500U-CN5GHAT SIM820X-M25GforJetsonNano AudioCardforJetsonNano SIM7600G-H4GforJetsonNano OpenNCC-Lite-4G8M IMX219-77Camera 13.3inche-PaperHAT 10.3inche-PaperHAT(D) 10.3inche-PaperHAT 9.7inche-PaperHAT 7.8inche-PaperHAT 6inchHDTouche-PaperHAT 6inchHDe-PaperHAT 6inche-PaperHAT 5.83inche-PaperHAT(C) LCD-Clock-A 0.95inchRGBOLED(A) 0.96inchRGBOLEDModule 0.96inchOLEDModule 0.96inchOLED(A) 1.27inchRGBOLEDModule 1.3inchOLEDModule(C) 1.3inchOLED(A) 1.32inchOLEDModule 1.5inchRGBOLEDModule 1.5inchOLEDModule JETSONORINNX 自然语言处理 搜索引擎 VR 计算广告 深度学习 机器学习

    最新资料