机器学习系统设计
全新正版 极速发货
￥ 30.64 5.2折 ￥ 59 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者(美)戴维·朱利安(David Julian) 著；李洋 译
出版社机械工业出版社
ISBN9787111569459
出版时间2017-06
装帧平装
开本16开
定价59元
货号1201519209
上书时间2024-11-20
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
戴维·朱利安(David Julian)，数据分析员、信息系统咨询顾问和培训讲师。他目前正致力于Urban ECOlogical Systems和Blue Smart Farms(http://www.bluesmartforms.com.au)的机器学习项目，该项目旨在发现和预测温室作物虫害。
目录
译者序
前言
第1章机器学习的思维
1.1人机界面
1.2设计原理
1.2.1问题的类型
1.2.2问题是否正确
1.2.3任务
1.2.4统一建模语言
1.3总结
第2章工具和技术
2.1Python与机器学习
2.2IPython控制台
2.3安装SciPy栈
2.4NumPy
2.4.1构造和变换数组
2.4.2数学运算
2.5Matplotlib
2.6Pandas
2.7SciPy
2.8Scikit-learn
2.9总结
第3章将数据变为信息
3.1什么是数据
3.2大数据
3.2.1大数据的挑战
3.2.2数据模型
3.2.3数据分布
3.2.4来自数据库的数据
3.2.5来自互联网的数据
3.2.6来自自然语言的数据
3.2.7来自图像的数据
3.2.8来自应用编程接口的数据
3.3信号
3.4数据清洗
3.5数据可视化
3.6总结
第4章模型——从信息中学习
4.1逻辑模型
4.1.1一般性排序
4.1.2解释空间
4.1.3覆盖空间
4.1.4PAC学习和计算复杂性
4.2树状模型
4.3规则模型
4.3.1有序列表方法
4.3.2基于集合的规则模型
4.4总结
第5章线性模型
5.1最小二乘法
5.1.1梯度下降
5.1.2正规方程法
5.2logistic回归
5.3多分类
5.4正则化
5.5总结
第6章神经网络
6.1神经网络入门
6.2logistic单元
6.3代价函数
6.4神经网络的实现
6.5梯度检验
6.6其他神经网络架构
6.7总结
第7章特征——算法眼中的世界
7.1特征的类型
7.1.1定量特征
7.1.2有序特征
7.1.3分类特征
7.2运算和统计
7.3结构化特征
7.4特征变换
7.4.1离散化
7.4.2归一化
7.4.3校准
7.5主成分分析
7.6总结
第8章集成学习
8.1集成学习的类型
8.2Bagging方法
8.2.1随机森林
8.2.2极端随机树
8.3Boosting方法
8.3.1AdaBoost
8.3.2梯度Boosting
8.4集成学习的策略
8.5总结
第9章设计策略和案例研究
9.1评价模型的表现
9.2模型的选择
9.3学习曲线
9.4现实世界中的案例研究
9.4.1建立一个推荐系统
9.4.2温室虫害探测
9.5机器学习一瞥
9.6总结
内容摘要
机器学习模型不能给出准确结果的原因有很多。从设计的角度来审视这些系统，我们能够深入理解其底层算法和可用的优化方法。本书为我们提供了机器学习设计过程的坚实基础，能够使我们为特定问题建立起定制的机器学习模型。我们可能已经了解或使用过一些为解决常见问题的商用机器学习模型，例如垃圾邮件检测或电影分级，但是要着手于解决更为复杂的问题，则其重点是让这些模型适用于我们自己特定的需求。
— 没有更多了 —
以下为对购买帮助不大的评价