思维导图备注

Sklearn 与 TensorFlow 机器学习实用指南
首页 白天 夜间 BookChat 小程序 小程序 阅读
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

零、前言

 来源:apachecn 浏览 2118 扫码 分享 2018-10-27 11:45:33
  • 零、前言

    零、前言

    • 1、机器学习海啸
    • 2、您项目中的机器学习
    • 3、目标和方法
    • 4、准备条件
    • 5、路线图
    • 6、其他资源
    • 7、本书中的一些约定
    • 8、使用代码示例
    • 9、O’Reilly Safari
    • 10、如何联系我们
    • 11、致谢

    当前内容版权归 apachecn 或其关联方所有，如需对内容或内容相关联开源项目进行关注与资助，请访问 apachecn .
    上一篇:
    下一篇:
    • 书签
    • 添加书签 移除书签
    • Sklearn 与 TensorFlow 机器学习实用指南
    • 零、前言
      • 1、机器学习海啸
      • 2、您项目中的机器学习
      • 3、目标和方法
      • 4、准备条件
      • 5、路线图
      • 6、其他资源
      • 7、本书中的一些约定
      • 8、使用代码示例
      • 9、O’Reilly Safari
      • 10、如何联系我们
      • 11、致谢
    • 一、机器学习概览
      • 什么是机器学习？
      • 为什么使用机器学习？
      • 机器学习系统的类型
      • 批量和在线学习
      • 基于实例学习
      • 机器学习的主要挑战
      • 测试和确认
      • 练习
    • 二、一个完整的机器学习项目
      • 使用真实数据
      • 项目概览
      • 获取数据
      • 数据探索和可视化、发现规律
      • 为机器学习算法准备数据
      • 选择并训练模型
      • 模型微调
      • 启动、监控、维护系统
      • 实践！
      • 练习
    • 三、分类
      • MNIST
      • 训练一个二分类器
      • 对性能的评估
      • 多类分类
      • 误差分析
      • 多标签分类
      • 多输出分类
      • 练习
    • 四、训练模型
      • 线性回归
      • 梯度下降
      • 多项式回归
      • 学习曲线
      • 线性模型的正则化
      • 逻辑回归
      • 练习
    • 五、支持向量机
      • 线性支持向量机分类
      • 非线性支持向量机分类
      • SVM 回归
      • 背后机制
      • 练习
    • 六、决策树
      • 决策树的训练和可视化
      • 开始预测
      • 估计分类概率
      • CART 训练算法
      • 计算复杂度
      • 基尼不纯度或是信息熵
      • 正则化超参数
      • 回归
      • 不稳定性
      • 练习
    • 七、集成学习和随机森林
      • 投票分类
      • 在 sklearn 中的 Bagging 和 Pasting
      • 随机贴片与随机子空间
      • 随机森林
      • 提升
      • Stacking
      • 练习
    • 八、降维
      • 维数灾难
      • 投影（Projection）
      • 保留（最大）方差
      • 核 PCA（Kernel PCA）
      • 其他降维方法
      • 练习
    • 九、启动并运行 TensorFlow
      • 安装
      • 创造第一个图谱，然后运行它
      • 管理图谱
      • 节点值的生命周期
      • Linear Regression with TensorFlow
      • 实现梯度下降
      • 手动计算渐变
      • Using autodiff
      • 使用优化器
      • 将数据提供给训练算法
      • MINI-BATCH 完整代码
      • 保存和恢复模型
      • 名称作用域
      • 模块性
      • 共享变量
    • 十、人工神经网络介绍
      • 从生物到人工神经元
      • 生物神经元
      • 神经元的逻辑计算
      • 感知器
      • 多层感知器与反向传播
      • 用 TensorFlow 高级 API 训练 MLP
      • 使用普通 TensorFlow 训练 DNN
      • 构造阶段
      • 执行阶段
      • 使用神经网络
      • 微调神经网络超参数
      • 隐藏层数量
      • 每层隐藏层的神经元数量
      • 激活函数
      • 完整代码
      • 练习
    • 十一、训练深层神经网络
      • 梯度消失/爆炸问题
      • 非饱和激活函数
      • 批量标准化
      • 梯度裁剪
      • 复用预训练层
      • 复用 TensorFlow 模型
      • 复用来自其它框架的模型
      • 冻结较低层
      • 缓存冻结层
      • 调整，删除或替换较高层
      • Model Zoos
      • 无监督的预训练
      • 在辅助任务上预训练
      • 更快的优化器
      • 动量优化
      • Nesterov 加速梯度
      • AdaGrad
      • RMSProp
      • Adam 优化
      • 训练稀疏模型
      • 学习率调整
      • 通过正则化避免过拟合
      • 早期停止
      • L1 和 L2 正则化
      • Dropout
      • 最大范数正则化
      • 数据增强
      • 实践指南
      • 练习
    • 十二、设备和服务器上的分布式 TensorFlow
      • 一台机器上多设备
      • 管理 GPU 内存
      • 简单放置
      • 并行运行
      • 控制依赖关系
      • 多个服务器的多个设备
      • 开始一个会话
      • 主机和辅助服务
      • 固定任务的操作
      • 跨多个参数服务器的分片变量
    • 十三、卷积神经网络
      • 视觉皮层的结构
      • 卷积层
      • 卷积核/过滤器
      • 叠加的多个特征映射
      • TensorFlow 实现
      • 内存需求
      • 池化层
      • CNN 架构
      • LeNet-5
      • AlexNet
      • GoogLeNet
      • ResNet
      • TensorFlow 卷积操作
    • 十四、循环神经网络
      • 循环神经元
      • 记忆单元
      • 输入和输出序列
      • TensorFlow 中的基本 RNN
      • 时间上的静态展开
      • 时间上的动态展开
      • 处理变长输入序列
      • 处理变长输出序列
      • 训练 RNN
      • 训练序列分类器
      • 为预测时间序列而训练
      • 深度 RNN
      • 在多个 GPU 上分布式部署深度 RNN 网络
      • Dropout 的应用
      • 长时训练的困难
      • 窥孔连接
      • GRU 单元
      • 单词嵌入
      • 练习
    • 十五、自编码器
      • 有效的数据表示
      • 用不完整的线性自编码器执行 PCA
      • 栈式自编码器（SAE）
      • TensorFlow实现
      • 关联权重
      • 一次训练一个自编码器
      • 可视化重建
      • 可视化功能
      • 无监督预训练使用栈式自编码器
      • 降噪自编码（DAE）
      • TensorFlow 实现
      • 稀疏自编码器
      • TensorFlow 实现
      • 变分自编码器（VAE）
      • 生成数字
      • 其他自编码器
    • 十六、强化学习
      • 学习优化奖励
      • 策略搜索
      • OpenAI 的介绍
      • 神经网络策略
      • 评价行为：信用分配问题
      • 策略梯度
      • 马尔可夫决策过程
      • 时间差分学习与 Q 学习
      • 探索策略
      • 近似 Q 学习
      • 学习去使用深度 Q 学习来玩 Ms.Pac-Man
      • 练习
      • 感谢
    • 附录 C、SVM 对偶问题
    • 附录 D、自动微分
      • 手动微分法
      • 符号微分
      • 数值微分
      • 前向自动微分
      • 反向自动微分
    暂无相关搜索结果！

      本文档使用 BookStack 构建

      展开/收起文章目录

      分享，让知识传承更久远

      文章二维码

      手机扫一扫，轻松掌上读

      文档下载

      • 普通下载
      • 下载码下载(免登录无限下载)
      你与大神的距离，只差一个APP
      APP下载
      请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！
      PDF文档 EPUB文档 MOBI文档
      温馨提示 每天每在网站阅读学习一分钟时长可下载一本电子书，每天连续签到可增加阅读时长
      下载码方式下载：免费、免登录、无限制。 免费获取下载码

      微信小程序阅读

      BookChat 微信小程序阅读
      您与他人的薪资差距，只差一个随时随地学习的小程序

      书签列表

        阅读记录

        阅读进度: 0.00% ( 0/0 ) 重置阅读进度