|
|
Java电子书：机器学习实战：基于Scikit-Learn Keras和TensorFlow（原书第2版） 格式 pdf 电子书 PDF 电子书 Java吧 java8.com6 j6 H0 B/ t% ?; n+ ~* ]
* O+ C s5 B8 _2 X! ~3 T* m. N
6 a2 f& o9 v8 n% L. F编号：mudaima-P0276【Java吧 java8.com】7 n, k% m& w. ~- a
; ?0 H, F( Y2 D" _) L) G7 `2 O0 R) o+ `
( y+ t# k$ t e+ X1 [" x% F4 h
1 l6 N: E; C, r4 lJava电子书目录：前言1
, V- Y* _% f7 X$ S) P' `( M" g6 H部分 机器学习的基础知识11
2 J$ V/ ]# o6 ]# B第1章 机器学习概览13
) j. K" p$ X. z9 M1.1 什么是机器学习14
k9 d. g* [( Z9 C F* g/ R1.2 为什么使用机器学习142 ]7 ?' {7 s8 h {' k
1.3 机器学习的应用示例16
# H' L$ V* U2 ?1.4 机器学习系统的类型185 G. V/ \6 B. L/ C) m- c4 l! _
1.5 机器学习的主要挑战32
: y+ L5 h ~7 b8 c+ C9 {1.6 测试与验证38
7 V: R% K+ a6 Y P8 x1.7 练习题40% Z3 U% j- o6 d7 Y3 |6 l! R
第2章 端到端的机器学习项目42) P4 Z! |3 ?6 v& W i" Z: P1 E/ r
2.1 使用真实数据42) U( u: p2 S. J' W. f
2.2 观察大局44 [$ j6 F% i# X' R
2.3 获取数据48
6 D# z& i- ^) p; Y4 ?9 X2.4 从数据探索和可视化中获得洞见60
" O. O! q; Q2 }% Q2.5 机器学习算法的数据准备667 q p# c) h5 B# }* z: K' g2 \
2.6 选择和训练模型743 F: D ?) _8 G
2.7 微调模型77 ?+ w3 ?) g. s' r( b9 v1 @
2.8 启动、监控和维护你的系统82
: ^. r4 K: U( }2.9 试试看84; }2 v% H' H4 M: T7 \
2.10 练习题84
3 H7 Q( T# Y* j. n2 P第3章 分类86
" t" l' z' @* j8 s) U3.1 MNIST86
( V7 Z4 T) e, f3.2 训练二元分类器88
3 `0 d8 Y) u# `. i* [4 H3.3 性能测量893 `9 D8 F+ `8 x4 A
3.4 多类分类器99
! N9 U7 E* e& s1 Y6 o) i9 [4 z3.5 误差分析1016 \* {: p( C. X- }
3.6 多标签分类104& P |* I F( C% D
3.7 多输出分类105
# b% ^ D, F7 B+ F1 t/ J, ?3.8 练习题107
5 a( M9 J% S: j% C) Q第4章 训练模型108
, g3 k1 W" w+ k( _* }5 ~4.1 线性回归109
1 w4 A/ U5 M! B1 w4.2 梯度下降113
& N9 Z& r1 W) O$ D8 l* ]4.3 多项式回归122) }* `) V9 u4 W, ]5 h! i8 Z
4.4 学习曲线124% q8 B$ y% j' {; R
4.5 正则化线性模型1276 b8 \2 O D7 n
4.6 逻辑回归134# l3 w4 v; z5 c: a- o. A
4.7 练习题141
Z1 ]3 N+ }! I7 ^第5章 支持向量机143- d7 O6 @( e* h
5.1 线性SVM分类143
* M" }3 `8 J1 X3 \5.2 非线性SVM分类146& m, \1 i4 c: ?
5.3 SVM回归151
6 a* n' M9 }( f# V/ J$ m, r6 M5.4 工作原理1522 G2 }+ {; `) z" V9 g, |
5.5 练习题160
8 L0 {* ?' m9 Y# d# `% ^0 a第6章 决策树1629 r5 M z& a3 {5 n
6.1 训练和可视化决策树162: ?6 A; j3 M' M1 z+ d) Y& [3 l. b
6.2 做出预测163
7 @ R f7 U, F3 Z! `6.3 估计类概率165+ u7 o* ] R) R
6.4 CART训练算法166" l0 k' E( w/ J; x+ v
6.5 计算复杂度166& T* p5 s7 n! a/ N
6.6 基尼不纯度或熵167
$ |8 B1 w# F/ N, G5 u, Z6.7 正则化超参数167
c$ K/ B! a) @6.8 回归1685 s7 t- D! S' y* [. r o1 C
6.9 不稳定性1703 t6 p9 s8 m$ I0 i& V
6.10 练习题172
$ J) W3 n4 d2 i8 v% K \" l第7章 集成学习和随机森林173
6 M8 J: e- }- h' c1 k# v7.1 投票分类器1739 y) X1 [. v7 @6 w
7.2 bagging和pasting176
, N5 x7 t/ W, O- c Z: }) t% N7.3 随机补丁和随机子空间179
8 Q8 ]3 S d; M# D4 ?/ L- |7.4 随机森林180* `. j" P: d" Z0 o3 T
7.5 提升法1822 Y z" W7 ]/ e5 E2 _; b/ l0 N
7.6 堆叠法190
/ H+ S) E1 A, o3 D0 J7.7 练习题192
! O6 w# r2 @7 d; ?第8章 降维193) c4 v4 x$ P1 ~
8.1 维度的诅咒194
, O; q' h- I* s6 i0 |( L. C9 T8.2 降维的主要方法1956 S: x3 C) {. x: s
8.3 PCA1982 X. u( c- n& D
8.4 内核PCA2045 d% b% [4 @3 O1 B5 A
8.5 LLE206
$ M. ]' ^% c8 `% C8.6 其他降维技术208
. q- d. R+ W. Y8.7 练习题209
, o/ i% e- m& e7 d. j$ A第9章 无监督学习技术211
/ I; i. d" T) k8 K' O9.1 聚类212' C7 m% E- S$ P; A, ^4 v
9.2 高斯混合模型232
6 ^9 w& v- u. [3 B% s9.3 练习题245. s$ y2 Y& y" J9 V% g
第二部分 神经网络与深度学习247. T7 r& D* i" w
第10章 Keras人工神经网络简介249+ C- V, V: n: F. d- M0 K
10.1 从生物神经元到人工神经元2507 L4 y u8 ~* \; D1 @( d
10.2 使用Keras实现MLP262
$ u% [7 a! g; T9 \& J4 o10.3 微调神经网络超参数284
% }+ R3 ?$ r; Y% \2 _10.4 练习题290
$ r+ }% ?. P1 b: e; ]2 O第11章 训练深度神经网络293! ~& P- D6 m6 P# w/ x# ?2 ]
11.1 梯度消失与梯度爆炸问题293
$ E3 a+ R( T' z# P" F( F- ~11.2 重用预训练层305& |: I9 Z9 }6 V) b2 u. K
11.3 更快的优化器310
6 @) M% p. O M5 K! L6 M5 M+ |11.4 通过正则化避免过拟合321/ J( C/ [. h8 ]& M
11.5 总结和实用指南327
- j, ~" W7 Z- R) l9 ?11.6 练习题3296 F; @6 _/ @ Y3 x
第12章 使用TensorFlow自定义模型和训练3306 B+ C6 m# P; r7 Q; `
12.1 TensorFlow快速浏览330
( y( [' x. Y7 P4 h E12.2 像NumPy一样使用TensorFlow333( e) d' D, c8 a
12.3 定制模型和训练算法338
0 \* N/ @' c- W4 M12.4 TensorFlow函数和图356
, C; K6 c& {3 L4 P/ F2 X+ [12.5 练习题360& ?% v" ~" R) t# ^9 d
第13章 使用TensorFlow加载和预处理数据362! L1 _( f$ n: A* C! C
13.1 数据API363
+ b$ x+ I! M2 j+ ?13.2 TFRecord格式372
+ s! f( p5 s8 P' `/ T6 ]13.3 预处理输入特征3778 r4 R" a3 y/ t" G L& Z
13.4 TF Transform385
6 x3 V/ k% ~0 U% K13.5 TensorFlow数据集项目386
9 h- I; T! _% E2 L6 N1 d13.6 练习题388
. B; P0 u3 L- j第14章 使用卷积神经网络的深度计算机视觉3903 ?0 C9 {2 G* h. o" G& t d M
14.1 视觉皮层的架构390' e; v9 {9 m2 U
14.2 卷积层392
( t+ B% b% D# i8 n9 C7 w J; w! a14.3 池化层3996 G. E; C/ B0 N. G0 u* |1 o
14.4 CNN架构402- u! g7 Z2 V: [4 S4 z
14.5 使用Keras实现ResNet-34 CNN4163 I7 n2 R- n. w: `, \" D; T s
14.6 使用Keras的预训练模型417
* n! M! w# d$ \) G& N14.7 迁移学习的预训练模型418+ q" Z) ]- N6 @
14.8 分类和定位421% [& T \8 I. q* _ r# U4 z5 o$ g" ^' h
14.9 物体检测422/ N0 Q: p# C7 P2 M
14.10 语义分割428
1 _, M7 U5 W$ p, ^$ l14.11 练习题4315 ^/ V, O! w$ ]( A; l p
第15章 使用RNN和CNN处理序列432
2 P9 t# ?% ]: e6 |5 g+ j7 ^' g15.1 循环神经元和层4323 c1 R9 w! Q# a! p9 A2 ]/ _% H
15.2 训练RNN436
6 \/ w( J' x/ a3 n15.3 预测时间序列437) T: Y4 L2 E% P
15.4 处理长序列444
9 N' z$ ^4 T: i$ U% `15.5 练习题453
# J4 f1 I" Y/ h; ~$ R" w1 L8 j第16章 使用RNN和注意力机制进行自然语言处理455
$ I2 P, ~$ T9 v7 L0 ~: J16.1 使用字符RNN生成莎士比亚文本456. {& K; ]/ V; f J
16.2 情感分析4640 W; l# r5 G' J
16.3 神经机器翻译的编码器-解码器网络470
! M2 d; \ A' Z: A16.4 注意力机制476
2 e, z8 d2 N. A) j" z3 ?16.5 近语言模型的创新486
- ~. V/ u! ^1 d) j* M16.6 练习题488
9 g0 S7 t2 c8 z3 Y第17章 使用自动编码器和GAN的表征学习和生成学习489$ ?5 c& [ x% s% K4 D( S1 R/ s% w" q" ^
17.1 有效的数据表征490
( |6 a3 }+ s$ r& o2 I' d17.2 使用不完整的线性自动编码器执行PCA491: M. v: ?* |0 v+ d
17.3 堆叠式自动编码器4934 t. D( Q+ ^/ P6 l6 h
17.4 卷积自动编码器4992 X2 B8 w" Z* v, H# ^+ i
17.5 循环自动编码器500
( U, {3 ~1 Z7 ]9 c, o6 x17.6 去噪自动编码器5018 L# H0 g( u0 o4 g( H
17.7 稀疏自动编码器502
. r4 V$ i8 p; w/ X17.8变分自动编码器5055 N' }- }. b8 [
17.9 生成式对抗网络510: D+ ]7 `* l* m# l+ p
17.10 练习题522) |* }, T. Z/ |8 T
第18章 强化学习523
* z$ K' t9 Y& _$ e, {, \ j& f18.1 学习优化奖励524
6 F+ b4 J0 ~/ I18.2 策略搜索525
; O2 ~% D N8 l18.3 OpenAI Gym介绍526
+ \; j) e9 A5 `$ j" V18.4 神经网络策略529
1 A) d. n2 ]) [: h18.5 评估动作：信用分配问题531
- `1 J: H& X% i; P6 ^18.6 策略梯度532- D3 P3 a5 t% F; m6 j
18.7 马尔可夫决策过程536! X' a. Z! Y9 b, \1 r) S) R: b# A
18.8 时序差分学习540: B- v/ L1 S7 T5 Q4 Q% I- }3 H
18.9 Q学习5401 F5 \9 X* \) E' C" w( N
18.10 实现深度Q学习544* P5 Z+ A9 X/ V# o
18.11 深度Q学习的变体547
/ \0 ^: o7 c5 z18.12 TF-Agents库550
' u) `& x8 x, A7 d6 t% k4 k) b18.13 一些流行的RL算法概述568
6 ?1 K7 ?7 l) k0 F2 F; k+ T18.14 练习题569' W! m" \5 }; @ p
第19章 大规模训练和部署TensorFlow模型571
4 i9 O5 [; q0 X4 d" E8 R19.1 为TensorFlow模型提供服务5721 ~% b9 X/ M5 K. k5 K& \
19.2 将模型部署到移动端或嵌入式设备586! V+ f4 V) K, E
19.3 使用GPU加速计算589* d+ j& ^- ]% b4 N9 E, A/ D, @. u
19.4 跨多个设备的训练模型600
1 H( k' w$ e% A6 e% O9 @19.5 练习题613( t W, h; c1 B' \
19.6 致谢613
6 a [0 e* D s7 @7 ^5 t附录A 课后练习题解答614' c! Y& a2 Q) j
附录B 机器学习项目清单642
! Y: x6 B/ ~) g9 x# ]/ E附录C SVM对偶问题647% x! c9 O; w% H" q
附录D 自动微分650
3 p }7 \, Z- o# F% y& M附录E 其他流行的人工神经网络架构656) O$ X" Q. {6 j ~& C; P% F$ s
附录F 特殊数据结构663! }: ]& v; K* @: f7 e" P: M
附录G TensorFlow图6696 B' B4 X# ?. v& L# H
7 j3 K7 b3 v. N
百度云盘下载地址(完全免费-绝无套路)：
, V6 n& F- k% i# B7 }' C* N |
本帖子中包含更多资源
您需要 登录 才可以下载或查看，没有账号？立即注册
x
|
电子书
854 人阅读
|
20 人回复
|
2023-09-01
