《机器学习实战：基于Scikit-Learn、Keras和Te》读书笔记PPT模板思维导图下载.pptxVIP

最新版读书笔记，下载可以直接修改《机器学习实战：基于Scikit-Learn、Keras和Te》思维导图PPT模板目录推荐序O’Reilly Media，Inc.介...0201译者序第一部分 机器学习的基础知识0304第二部分 神经网络与深度学习附录A 课后练习题解答0605目录附录C SVM对偶问题附录B 机器学习项目清单0807附录D 自动微分附录E 其他流行的人工神经网络架构09010附录F 特殊数据结构附录G TensorFlow图012011内容摘要本书分为两部分。第一部分，机器学习基础，涵盖以下主题：什么是机器学习，它试图解决什么问题，以及系统的主要类别和基本概念；第二部分，神经网络和深度学习，涵盖以下主题：什么是神经网络以及它们有什么用，使用TensorFlow和Keras构建和训练神经网络的技术，以及如何使用强化学习构建可以通过反复试错，学习好的策略的代理程序。第一部分主要基于Scikit-Learn，而第二部分则使用TensorFlow和Keras。O’Reilly Media，Inc.介...降维的目的是在不丢失太多信息的前提下简化数据。推荐序方法之一是将多个相关特征合并为一个。译者序 使用机器学习方法挖掘大量数据来帮助发现不太明显的规律。第一部分 机器学习的基础知识这称作数据挖掘。第一部分 机器学习的基础知识020406第2章 端到端的机器学习项目第4章 训练模型第6章 决策树01第1章 机器学习概览0503第5章 支持向量机第3章 分类第一部分 机器学习的基础知识第8章 降维第7章 集成学习和随机森林第9章 无监督学习技术第1章 机器学习概览1.3 机器学习的应用示例1.1 什么是机器学习1.2 为什么使用机器学习1.4 机器学习系统的类型第1章 机器学习概览1.6 测试与验证1.5 机器学习的主要挑战1.7 练习题第2章 端到端的机器学习项目0204062.2 观察大局2.4 从数据探索和可视化中获得洞见2.6 选择和训练模型012.1 使用真实数据05032.5 机器学习算法的数据准备2.3 获取数据第2章 端到端的机器学习项目2.9 试试看2.7 微调模型2.8 启动、监控和维护你的系统2.10 练习题第3章 分类3.3 性能测量3.1 MNIST3.2 训练二元分类器3.4 多类分类器第3章 分类3.7 多输出分类3.5 误差分析3.6 多标签分类3.8 练习题第4章 训练模型4.3 多项式回归4.1 线性回归4.2 梯度下降4.4 学习曲线第4章 训练模型4.6 逻辑回归4.5 正则化线性模型4.7 练习题第5章 支持向量机5.3 SVM回归35.1 线性SVM分类15.4 工作原理45.2 非线性SVM分类25.5 练习题5第6章 决策树0204066.2 做出预测6.4 CART训练算法6.6 基尼不纯度或熵016.1 训练和可视化决策树05036.5 计算复杂度6.3 估计类概率第6章 决策树6.9 不稳定性6.7 正则化超参数6.8 回归6.10 练习题第7章 集成学习和随机森林7.3 随机补丁和随机子空间7.1 投票分类器7.2 bagging和pasting7.4 随机森林第7章 集成学习和随机森林7.6 堆叠法7.5 提升法7.7 练习题第8章 降维8.3 PCA8.1 维度的诅咒8.2 降维的主要方法8.4 内核PCA第8章 降维8.6 其他降维技术8.5 LLE8.7 练习题第9章 无监督学习技术9.2 高斯混合模型9.1 聚类9.3 练习题第二部分 神经网络与深度学习 一个计算机程序利用经验E来学习任务T，性能是P，如果针对任务T的性能P随着经验E不断增长，则称为机器学习。第二部分 神经网络与深度学习020406第11章 训练深度神经网络第13章 使用TensorFlow加载和...第15章 使用RNN和CNN处理序列01第10章 Keras人工神经网络简介0503第14章 使用卷积神经网络的深度计算机视...第12章 使用TensorFlow自定义...第二部分 神经网络与深度学习第18章 强化学习第16章 使用RNN和注意力机制进行自然...第17章 使用自动编码器和GAN的表征学...第19章 大规模训练和部署TensorF...第10章 Keras人工神经网络简介10.3 微调神经网络超参数10.1 从生物神经元到人工神经元10.2 使用Keras实现MLP10.4 练习题第11章 训练深度神经网2 重用预训练层11.4 通过正则化避免过拟合11.6 练习题0111.1 梯度消失与梯度爆炸问题050311.5 总结和实用指南11.3 更快的优化器第12章 使用TensorFlow自定义...12.3 定制模型和训练算法312.1 TensorF