电子书：《机器学习之路――caffe_keras_scikit-learn实战》《机器学习之路――caffe_keras_scikitlearn实战》
111
内容简介：
市器零习之路caffe、 keras、 saiki- learn实战布胥嘉幸编著電子エ掌出版社内容简介机器学习需要一条脱离过高理论门槛的入门之路本书《机器学习篇》从小红帽采菇的故事开篇.介绍了基础的机器学习分类模型的训练(第1章)如何评估、调试模型?如何合理地发掘事物的特征?如何利用几个模型共同发挥作用?后续章节一步一步讲述了如何优化模型.更好地完成分类预测任务(第2章).并且初步尝试将这些技术运用到金融股票交易中(第3章)自然界最好的非线性模型莫过于人类的大脑。《深度学习篇》从介绍并对比一些常见的深度学习框架开始(第4章).讲解了dnn模型的直观原理.尝试给出一些简单的生物学解释.完成简单的图片识别任务(第5章)。后续章节在此基础上.完成更为复杂的图片识别cnn模型(第6章)。接着.本书展示了使用 caffe完成一个完整的图片识别项目.从准备数据集.到完成识别任务(第7章)。后面简单描述了rnn模型(第8章).接着展示了一个将深度学习技术落地到图片处理领域的项目(第9章)本书适合能看懂 python代码.对机器学习感兴趣.期望入门的读者未经许可.不得以任何方式复制或抄表本书之部分或全部内容版权所有.侵权必究。机器学习之路:cae、 keras. scikit-leamn实战/阿布.背嘉幸编著.一北京:电子工业出版社.20178isbn978-7-121-32160-3①机….①同…②骨…i.①机器学习v.①tp181中guo版本图书馆cip数据核字(2017)第165543号責任编:安娜印刷:三河市良远印务有限公司装订;三河市良远印务有限公可北京市海淀区万寿路173信箱邮编100036开本:787×980116印张:20.5字数:405千字版次:2017年8月第1版印次:2017年8月第1次印届定价:79.00凡所购买电子工业出版社图书有缺损问题.请向购买书店调换。若书店售缺.请与本社发行部联系联系及邮购电话010)88254888.8825888质量投诉请发邮件至 zits phei. com.cn.盗版侵权举报请发邮件至 dbqqa phei com.cn本书咨询联系方式:[email protected]前言越来越多的人期待能挤进机器学习这一行业.这些人往往有一些编程和自学能力但数学等基础理论能力不足。对于这些人群.从头开始学习概率统计等基础学科是痛苦的如果直接上手使用机器学习工具往往又感到理解不足.缺少点什么。本书就是面向这一人群.避过数学推导等复杂的理论推衍.介绍模型背后的一些简单直观的理解.以及如何上手使用。本书希望能够得到这些人的喜爱本书包含两部分:机器学习篇和深度学习篇机器学习篇(1~3章)主要从零开始.介绍什么是数据特征.什么是机器学习模型如何训练模型、调试模型.以及如何评估模型的成绩。通过一些简单的任务例子.讲解在使用模型时如何分析并处理任务数据的特征.如何组合多个模型共同完成任务.并在第章初步尝试将机器学习技术运用到股票交易中.重复熟悉这些技术的同时.感受机器学习技术在落地到专业领域时常犯的错误深度学习篇(4~9章)则主要介绍了一些很基础的深度学习模型.如dnn、cnn等.简单涵盖了一些rnn的概念描述。我们更关注模型的直观原理和背后的生物学设计理念.希望读者能够带着这些理解.直接上手应用深度学习框架说一点关于阅读本书的建议。本书在编写时不关注模型技术的数学推导及严谨表述转而关注其背后的直观原理理解。建议读者以互动执行代码的方式学习.所有示例使用ipython notebook编写。读者可在git上找到对应章节的内容.一步一步运行书中讲解的知识点.直观感受每一步的执行效果。具体代码下載地址:htps:/ github. com/family/abu本书适合有 python编程能力的读者。如果读者有简单的数学基础.了解概率、矩阵则更佳。使用过 numpy、 pandas等数据处理工具的读者读起来也会更轻松.但这些都不是必需的。如果读者缺乏 python编程能力.或者希望进一步获得 numpy、 pandas等工具ki- – lear实战使用相关的知识.可以关注公众号: abu quant.获得一些技术资料及文章感谢出版社提供机会让我们编写本书.感谢编辑不辞辛苦地和我沟通排版等细节问本书的完成同样需要感谢我们的几位朋友:吴汶(老虎美股)、刘兆丹(百度金融).感谢你们在本书编写作过程中提供的有力支持。感谢本书的试读人员:蔡志威、李寅龙。轻松注册成为博文视点社区用户(www.broadview.com.cn).扫码直达本书页面提交勘误:您对书中内容的修改意见可在提交误处提交.若被采纳.将获赠博文视点社区积分(在您购买电子书时.积分可用来抵扣相应金额)。交流互动:在页面下方读者评论处留下您的疑问或观点.与我们和其他读者同学习交流页面入口:htp:/www.broadview.com.cn/32160?目录第一篇机器学习篇第1章初识机器学习1.1机器学习赋予机器“学习”的灵魂1.1.1小红帽识别毒磨菇1.2三种机器学习问题1.1.3常用符号41回.2kn一相似的邻居请投票1.2.1模型原理1.2.2鸢尾花弁数据集(iris)1.2.3训练模型2.5关于knn运用knn模型7回顺3逻辑分类1:线性分类模型3.1参数化的模型1.3..2理辑分类:预1.3.3逻分类;评估1.3.4逻分类;训练4逻辑分类ⅱ1线性分类模型1.4.1寻找模型的权重
#############################################
