TensorFlow机器学习实战指南
正版保障 假一赔十 可开发票
￥ 23.19 3.4折 ￥ 69 全新
库存12件
广东广州
认证卖家担保交易快速发货售后保障
作者[美]尼克·麦克卢尔（Nick McClure）
出版社机械工业出版社
ISBN9787111579489
出版时间2016-03
装帧平装
开本其他
定价69元
货号9027154
上书时间2025-01-06
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
Nick McClure目前是位于华盛顿州西雅图的PayScale公司的不错数据科学家。 在此之前，他曾就职于Zillow和Caesar公司。他在蒙大拿大学和圣本笃学院和圣约翰大学获得应用数学学位。他热爱学习，致力于机器学习和人工智能研究。
目录
CONTENTS
目 录
译者序
作者简介
审校者简介
前言
第1章TensorFlow基础 1
1.1TensorFlow介绍 1
1.2TensorFlow如何工作 1
1.2.1开始 1
1.2.2动手做 2
1.2.3工作原理 3
1.2.4参考 3
1.3声明张量 3
1.3.1开始 4
1.3.2动手做 4
1.3.3工作原理 5
1.3.4延伸学习 5
1.4使用占位符和变量 6
1.4.1开始 6
1.4.2动手做 6
1.4.3工作原理 6
1.4.4延伸学习 7
1.5操作（计算）矩阵 7
1.5.1开始 7
1.5.2动手做 8
1.5.3工作原理 9
1.6声明操作 10
1.6.1开始 10
1.6.2动手做 10
1.6.3工作原理 11
1.6.4延伸学习 12
1.7实现激励函数 12
1.7.1开始 12
1.7.2动手做 12
1.7.3工作原理 13
1.7.4延伸学习 13
1.8读取数据源 14
1.8.1开始 15
1.8.2动手做 15
1.8.3参考 18
1.9学习资料 19
第2章TensorFlow进阶 20
2.1本章概要 20
2.2计算图中的操作 20
2.2.1开始 20
2.2.2动手做 21
2.2.3工作原理 21
2.3TensorFlow的嵌入Layer 21
2.3.1开始 21
2.3.2动手做 22
2.3.3工作原理 22
2.3.4延伸学习 22
2.4TensorFlow的多层Layer 23
2.4.1开始 23
2.4.2动手做 24
2.4.3工作原理 25
2.5TensorFlow实现损失函数 26
2.5.1开始 26
2.5.2动手做 26
2.5.3工作原理 28
2.5.4延伸学习 29
2.6TensorFlow实现反向传播 30
2.6.1开始 30
2.6.2动手做 31
2.6.3工作原理 33
2.6.4延伸学习 34
2.6.5参考 34
2.7TensorFlow实现随机训练和批量训练 34
2.7.1开始 35
2.7.2动手做 35
2.7.3工作原理 36
2.7.4延伸学习 37
2.8TensorFlow实现创建分类器 37
2.8.1开始 37
2.8.2动手做 37
2.8.3工作原理 39
2.8.4延伸学习 40
2.8.5参考 40
2.9TensorFlow实现模型评估 40
2.9.1开始 40
2.9.2动手做 41
2.9.3工作原理 41
第3章基于TensorFlow的线性回归 45
3.1线性回归介绍 45
3.2用TensorFlow求逆矩阵 45
3.2.1开始 45
3.2.2动手做 46
3.2.3工作原理 47
3.3用TensorFlow实现矩阵分解 47
3.3.1开始 47
3.3.2动手做 47
3.3.3工作原理 48
3.4用TensorFlow实现线性回归算法 49
3.4.1开始 49
3.4.2动手做 49
3.4.3工作原理 52
3.5理解线性回归中的损失函数 52
3.5.1开始 52
3.5.2动手做 52
3.5.3工作原理 53
3.5.4延伸学习 54
3.6用TensorFlow实现戴明回归算法 55
3.6.1开始 55
3.6.2动手做 56
3.6.3工作原理 57
3.7用TensorFlow实现lasso回归和岭回归算法 58
3.7.1开始 58
3.7.2动手做 58
3.7.3工作原理 59
3.7.4延伸学习 59
3.8用TensorFlow实现弹性网络回归算法 60
3.8.1开始 60
3.8.2动手做 60
3.8.3工作原理 61
3.9用TensorFlow实现逻辑回归算法 62
3.9.1开始 62
3.9.2动手做 62
3.9.3工作原理 65
第4章基于TensorFlow的支持向量机 66
4.1支持向量机简介 66
4.2线性支持向量机的使用 67
4.2.1开始 67
4.2.2动手做 68
4.2.3工作原理 72
4.3弱化为线性回归 72
4.3.1开始 73
4.3.2动手做 73
4.3.3工作原理 76
4.4TensorFlow上核函数的使用 77
4.4.1开始 77
4.4.2动手做 77
4.4.3工作原理 81
4.4.4延伸学习 82
4.5用TensorFlow实现非线性支持向量机 82
4.5.1开始 82
4.5.2动手做 82
4.5.3工作原理 84
4.6用TensorFlow实现多类支持向量机 85
4.6.1开始 85
4.6.2动手做 86
4.6.3工作原理 89
第5章邻域法 90
5.1邻域法介绍 90
5.2邻域法的使用 91
5.2.1开始 91
5.2.2动手做 91
5.2.3工作原理 94
5.2.4延伸学习 94
5.3如何度量文本距离 95
5.3.1开始 95
5.3.2动手做 95
5.3.3工作原理 98
5.3.4延伸学习 98
5.4用TensorFlow实现混合距离计算 98
5.4.1开始 98
5.4.2动手做 98
5.4.3工作原理 101
5.4.4延伸学习 101
5.5用TensorFlow实现地址匹配 101
5.5.1开始 101
5.5.2动手做 102
5.5.3工作原理 104
5.6用TensorFlow实现图像识别 105
5.6.1开始 105
5.6.2动手做 105
5.6.3工作原理 108
5.6.4延伸学习 108
第6章神经网络算法 109
6.1神经网络算法基础 109
6.2用TensorFlow实现门函数 110
6.2.1开始 110
6.2.2动手做 111
6.2.3工作原理 113
6.3使用门函数和激励函数 113
6.3.1开始 114
6.3.2动手做 114
6.3.3工作原理 116
6.3.4延伸学习 117
6.4用TensorFlow实现单层神经网络 117
6.4.1开始 117
6.4.2动手做 117
6.4.3工作原理 119
6.4.4延伸学习 119
6.5用TensorFlow实现神经网络常见层 120
6.5.1开始 120
6.5.2动手做 121
6.5.3工作原理 126
6.6用TensorFlow实现多层神经网络 126
6.6.1开始 126
6.6.2动手做 126
6.6.3工作原理 131
6.7线性预测模型的优化 131
6.7.1开始 131
6.7.2动手做 131
6.7.3工作原理 135
6.8用TensorFlow基于神经网络实现井字棋 136
6.8.1开始 136
6.8.2动手做 137
6.8.3工作原理 142
第7章自然语言处理 143
精彩内容
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价