機器學習係統設計 pdf epub mobi txt 電子書 下載2025

想要找書就要到 小美書屋

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

機器學習模型不能給齣準確結果的原因有很多。從設計的角度來審視這些係統，我們能夠深入理解其底層算法和可用的優化方法。本書為我們提供瞭機器學習設計過程的堅實基礎，能夠使我們為特定問題建立起定製的機器學習模型。我們可能已經瞭解或使用過一些為解決常見問題的商用機器學習模型，例如垃圾郵件檢測或電影分級，但是要著手於解決更為復雜的問題，則其重點是讓這些模型適用於我們自己特定的需求。

戴維·硃利安（David Julian），數據分析員、信息係統谘詢顧問和培訓講師。他目前正緻力於Urban Ecological Systems和Blue Smart Farms的機器學習項目，該項目旨在發現和預測溫室作物蟲害。

譯者序
前言
第1章機器學習的思維1
1.1人機界麵1
1.2設計原理4
1.2.1問題的類型6
1.2.2問題是否正確7
1.2.3任務8
1.2.4統一建模語言27
1.3總結31
第2章工具和技術32
2.1Python與機器學習33
2.2IPython控製颱33
2.3安裝SciPy棧34
2.4NumPy35
2.4.1構造和變換數組38
2.4.2數學運算39
2.5Matplotlib41
2.6Pandas45
2.7SciPy47
2.8Scikit—learn50
2.9總結57
第3章將數據變為信息58
3.1什麼是數據58
3.2大數據59
3.2.1大數據的挑戰60
3.2.2數據模型62
3.2.3數據分布63
3.2.4來自數據庫的數據67
3.2.5來自互聯網的數據68
3.2.6來自自然語言的數據70
3.2.7來自圖像的數據72
3.2.8來自應用編程接口的數據72
3.3信號74
3.4數據清洗76
3.5數據可視化78
3.6總結80
第4章模型—從信息中學習81
4.1邏輯模型81
4.1.1一般性排序83
4.1.2解釋空間84
4.1.3覆蓋空間86
4.1.4PAC學習和計算復雜性87
4.2樹狀模型88
4.3規則模型92
4.3.1有序列錶方法94
4.3.2基於集閤的規則模型95
4.4總結98
第5章綫性模型100
5.1最小二乘法101
5.1.1梯度下降102
5.1.2正規方程法107
5.2logistic迴歸109
5.3多分類113
5.4正則化115
5.5總結117
第6章神經網絡119
6.1神經網絡入門119
6.2logistic單元121
6.3代價函數126
6.4神經網絡的實現128
6.5梯度檢驗133
6.6其他神經網絡架構134
6.7總結135
第7章特徵—算法眼中的世界136
7.1特徵的類型137
7.1.1定量特徵137
7.1.2有序特徵138
7.1.3分類特徵138
7.2運算和統計139
7.3結構化特徵141
7.4特徵變換141
7.4.1離散化143
7.4.2歸一化144
7.4.3校準145
7.5主成分分析149
7.6總結151
第8章集成學習152
8.1集成學習的類型152
8.2Bagging方法153
8.2.1隨機森林154
8.2.2極端隨機樹155
8.3Boosting方法159
8.3.1AdaBoost161
8.3.2梯度Boosting163
8.4集成學習的策略165
8.5總結168
第9章設計策略和案例研究169
9.1評價模型的錶現169
9.2模型的選擇174
9.3學習麯綫176
9.4現實世界中的案例研究178
9.4.1建立一個推薦係統178
9.4.2溫室蟲害探測185
9.5機器學習一瞥188
9.6總結190
· · · · · · (收起)