Python高級(jí)機(jī)器學(xué)習(xí)

定　價(jià)：￥59.00

作　者：	約翰·哈蒂（John Hearty）著，王大鵬，管晨，郭鵬程譯
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

京東 (￥59.00)

ISBN：	9787115529688	出版時(shí)間：	2020-01-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	175	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　Python是杰出的腳本語(yǔ)言，在速度、安全性和可擴(kuò)展性等方面表現(xiàn)出眾。在機(jī)器學(xué)習(xí)領(lǐng)域，越來(lái)越多的從業(yè)者也選擇使用易于上手、功能強(qiáng)大的Python語(yǔ)言。本書(shū)依次介紹無(wú)監(jiān)督機(jī)器學(xué)習(xí)、深度信念網(wǎng)絡(luò)、堆疊式降噪自編碼機(jī)、卷積神經(jīng)網(wǎng)絡(luò)、半監(jiān)督學(xué)習(xí)技術(shù)、文本特征工程，模型集成方法，以及其他一些實(shí)用的Python機(jī)器學(xué)習(xí)工具。除了理論知識(shí)與代碼實(shí)現(xiàn)，本書(shū)還細(xì)致講解了分析和解決問(wèn)題的思路，極具啟發(fā)性。

作者簡(jiǎn)介

　　約翰·哈蒂（John Hearty），數(shù)據(jù)科學(xué)家，數(shù)據(jù)科學(xué)和架構(gòu)工程領(lǐng)域咨詢專家，曾為微軟、世嘉等公司提供咨詢服務(wù)，致力于將機(jī)器學(xué)習(xí)前沿技術(shù)付諸實(shí)踐，熱衷于用Python構(gòu)建機(jī)器學(xué)習(xí)解決方案?，F(xiàn)任職于NuData Security公司。

圖書(shū)目錄

版權(quán)聲明 iii
前言 v
第 1章無(wú)監(jiān)督機(jī)器學(xué)習(xí) 1
1．1 主成分分析 1
1．1．1 主成分分析入門(mén) 2
1．1．2 應(yīng)用主成分分析 3
1．2 k均值聚類 5
1．2．1 聚類入門(mén) 5
1．2．2 開(kāi)始聚類分析 6
1．2．3 調(diào)整聚類參數(shù) 10
1．3 自組織映射 13
1．3．1 自組織映射入門(mén) 13
1．3．2 部署自組織映射 14
1．4 擴(kuò)展閱讀 17
1．5 小結(jié) 18
第 2章深度信念網(wǎng)絡(luò) 19
2．1 神經(jīng)網(wǎng)絡(luò)入門(mén) 19
2．1．1 神經(jīng)網(wǎng)絡(luò)的組成 20
2．1．2 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu) 20
2．2 受限玻爾茲曼機(jī) 23
2．2．1 受限玻爾茲曼機(jī)簡(jiǎn)介 23
2．2．2 受限玻爾茲曼機(jī)的應(yīng)用 26
2．2．3 受限玻爾茲曼機(jī)的擴(kuò)展應(yīng)用 35
2．3 深度信念網(wǎng)絡(luò) 35
2．3．1 訓(xùn)練深度信念網(wǎng)絡(luò) 36
2．3．2 應(yīng)用深度信念網(wǎng)絡(luò) 36
2．3．3 驗(yàn)證深度信念網(wǎng)絡(luò) 39
2．4 擴(kuò)展閱讀 40
2．5 小結(jié) 40
第3章堆疊式降噪自編碼機(jī) 41
3．1 自編碼機(jī) 41
3．1．1 自編碼機(jī)簡(jiǎn)介 41
3．1．2 降噪自編碼機(jī) 43
3．1．3 應(yīng)用降噪自編碼機(jī) 44
3．2 堆疊式降噪自編碼機(jī) 47
3．2．1 應(yīng)用堆疊式降噪自編碼機(jī) 48
3．2．2 評(píng)估堆疊式降噪自編碼機(jī)的性能 53
3．3 擴(kuò)展閱讀 54
3．4 小結(jié) 54
第4章卷積神經(jīng)網(wǎng)絡(luò) 55
4．1 CNN介紹 55
4．1．1 CNN拓?fù)浣Y(jié)構(gòu) 56
4．1．2 應(yīng)用CNN 66
4．2 擴(kuò)展閱讀 71
4．3 小結(jié) 71
第5章半監(jiān)督學(xué)習(xí) 72
5．1 簡(jiǎn)介 72
5．2 何為半監(jiān)督學(xué)習(xí) 72
5．3 半監(jiān)督算法實(shí)戰(zhàn) 73
5．3．1 自訓(xùn)練 73
5．3．2 對(duì)比悲觀似然估計(jì) 81
5．4 擴(kuò)展閱讀 89
5．5 小結(jié) 90
第6章文本特征工程 91
6．1 介紹 91
6．2 文本特征工程 92
6．2．1 清洗文本數(shù)據(jù) 92
6．2．2 根據(jù)文本數(shù)據(jù)構(gòu)造特征 99
6．2．3 測(cè)試準(zhǔn)備好的數(shù)據(jù) 103
6．3 擴(kuò)展閱讀 108
6．4 小結(jié) 109
第7章特征工程II 110
7．1 介紹 110
7．2 創(chuàng)建特征集 110
7．2．1 為機(jī)器學(xué)習(xí)應(yīng)用構(gòu)建特征 111
7．2．2 運(yùn)用特征選擇技術(shù) 117
7．3 特征工程實(shí)戰(zhàn) 123
7．4 擴(kuò)展閱讀 141
7．5 小結(jié) 142
第8章集成方法 143
8．1 集成簡(jiǎn)介 143
8．1．1 理解平均集成 144
8．1．2 應(yīng)用提升法 148
8．1．3 使用堆疊集成 153
8．2 在動(dòng)態(tài)應(yīng)用中使用模型 157
8．2．1 理解模型穩(wěn)健性 158
8．2．2 控制模型穩(wěn)健性的策略 163
8．3 擴(kuò)展閱讀 166
8．4 小結(jié) 166
第9章其他Python機(jī)器學(xué)習(xí)工具 167
9．1 可選的開(kāi)發(fā)工具 167
9．1．1 Lasagne簡(jiǎn)介 167
9．1．2 TensorFlow簡(jiǎn)介 169
9．1．3 何時(shí)使用這些庫(kù) 173
9．2 擴(kuò)展閱讀 174
9．3 小結(jié) 175
附錄代碼運(yùn)行要求 176