书籍目录
首页
分类
免费
排行
我的书架
1-50章
51-100章
101-150章
151-200章
201-250章
251-300章
301-343章
共343章
免费
版权信息
免费
译者序
免费
前言
免费
作者简介
免费
审校者简介
免费
第1章 赋予计算机从数据中学习的能力
免费
1.1 构建能把数据转换为知识的智能机器
免费
1.2 三种不同类型的机器学习
免费
1.2.1 用监督学习预测未来
免费
1.2.2 用强化学习解决交互问题
免费
1.2.3 用无监督学习发现隐藏的结构
免费
1.3 基本术语与符号
免费
1.3.1 本书中使用的符号和约定
免费
1.3.2 机器学习的术语
免费
1.4 构建机器学习系统的路线图
免费
1.4.1 预处理——整理数据
免费
1.4.2 训练和选择预测模型
免费
1.4.3 评估模型并对未曾谋面的数据进行预测
免费
1.5 将Python用于机器学习
免费
1.5.1 利用Python Package Index安装Python及其他软件包
免费
1.5.2 采用Anaconda Python发行版和软件包管理器
免费
1.5.3 用于科学计算、数据科学和机器学习的软件包
免费
1.6 本章小结
免费
第2章 训练简单的机器学习分类算法
免费
2.1 人工神经元——机器学习的早期历史
免费
2.1.1 人工神经元的正式定义
免费
2.1.2 感知器学习规则
免费
2.2 用Python实现感知器学习算法
免费
2.2.1 面向对象的感知器API
免费
2.2.2 在鸢尾花数据集上训练感知器模型
免费
2.3 自适应线性神经元和学习收敛
免费
2.3.1 通过梯度下降最小化代价函数
免费
2.3.2 用Python实现Adaline
免费
2.3.3 通过特征缩放改善梯度下降
免费
2.3.4 大规模机器学习与随机梯度下降
免费
2.4 本章小结
免费
第3章 scikit-learn机器学习分类器
免费
3.1 选择分类算法
免费
3.2 了解scikit-learn的第一步——训练感知器
免费
3.3 基于逻辑回归的分类概率建模
免费
3.3.1 逻辑回归与条件概率
免费
3.3.2 学习逻辑代价函数的权重
免费
3.3.3 将Adaline实现转换为一个逻辑回归算法
免费
3.3.4 用scikit-learn训练逻辑回归模型
免费
3.3.5 通过正则化解决过拟合问题
免费
3.4 使用支持向量机最大化分类间隔
免费
3.4.1 对分类间隔最大化的直观认识
免费
3.4.2 用松弛变量解决非线性可分问题
免费
3.4.3 其他的scikit-learn实现
免费
3.5 用核支持向量机求解非线性问题
×