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
301-350章
351-388章
共388章
免费
版权信息
免费
作者简介
免费
译者简介
免费
译者序
免费
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 将数据转化为知识的智能系统
免费
1.2 三种机器学习类型
免费
1.2.1 用于预测未来的监督学习
免费
1.2.2 解决交互问题的强化学习
免费
1.2.3 发现数据中隐藏规律的无监督学习
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 机器学习术语
免费
1.4 构建机器学习系统的路线图
免费
1.4.1 数据预处理——让数据可用
免费
1.4.2 训练和选择预测模型
免费
1.4.3 使用未见过的数据对模型进行评估
免费
1.5 使用Python实现机器学习算法
免费
1.5.1 从Python Package Index中安装Python和其他软件包
免费
1.5.2 使用Anaconda Python软件包管理器
免费
1.5.3 科学计算、数据科学和机器学习软件包
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——机器学习早期历史一瞥
免费
2.1.1 人工神经元的定义
免费
2.1.2 感知机学习规则
免费
2.2 使用Python实现感知机学习算法
免费
2.2.1 面向对象的感知机API
免费
2.2.2 使用鸢尾花数据集训练感知机
免费
2.3 自适应线性神经元与算法收敛
免费
2.3.1 使用梯度下降法最小化损失函数
免费
2.3.2 在Python中实现Adaline
免费
2.3.3 通过特征缩放改进梯度下降
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机器学习分类算法之旅
免费
3.1 分类算法的选择
免费
3.2 学习Scikit-Learn的第一步——训练感知机
免费
3.3 用逻辑回归算法建模分类概率
3.3.1 逻辑回归与条件概率
3.3.2 用逻辑损失函数更新模型权重
3.3.3 从Adaline的代码实现到逻辑回归的代码实现
3.3.4 用Scikit-Learn训练逻辑回归模型
3.3.5 使用正则化避免模型过拟合
3.4 基于最大分类间隔的支持向量机
3.4.1 理解最大分类间隔
×