|
關(guān)于我們
 書單推薦 新書推薦 |
Python機(jī)器學(xué)習(xí)經(jīng)典實例 第2版 
定 價：139.8 元
9 7 5 8 5 7 6 1 9 1 2 5 9 
本書介紹了如何使用scikit-learn、TensorFlow等關(guān)鍵庫來有效解決現(xiàn)實世界的機(jī)器學(xué)習(xí)問題。本書著重于實用的解決方案，提供多個案例，詳細(xì)地講解了如何使用Python生態(tài)系統(tǒng)中的現(xiàn)代庫來構(gòu)建功能強(qiáng)大的機(jī)器學(xué)習(xí)應(yīng)用程序；還介紹了分類、聚類和推薦引擎等多種機(jī)器學(xué)習(xí)算法，以及如何將監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)技術(shù)應(yīng)用于實際問題；最后，介紹了強(qiáng)化學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)和自動機(jī)器學(xué)習(xí)等應(yīng)用示例。
本書適合數(shù)據(jù)科學(xué)家、機(jī)器學(xué)習(xí)開發(fā)人員、深度學(xué)習(xí)愛好者以及希望使用機(jī)器學(xué)習(xí)技術(shù)和算法解決實際問題的Python程序員閱讀。
本書采用新的方法來處理實際的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)任務(wù)。
本書能夠幫助你學(xué)會如何使用 Python 生態(tài)系統(tǒng)中新的庫來構(gòu)建強(qiáng)大的機(jī)器學(xué)習(xí)應(yīng)用，指導(dǎo)你使用標(biāo)準(zhǔn)化的方法實現(xiàn)多種機(jī)器學(xué)習(xí)算法，如分類、聚類和推薦引擎等。本書還介紹了如何應(yīng)用有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)技術(shù)來解決實際問題。
最后，本書結(jié)合實例講解了更先進(jìn)的技術(shù)，包括強(qiáng)化學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)和自動化機(jī)器學(xué)習(xí)等。
讀完本書，你將掌握應(yīng)用機(jī)器學(xué)習(xí)技術(shù)所需的各項技能，并能利用整個 Python 生態(tài)系統(tǒng)去解決現(xiàn)實問題。
提供本書源代碼以及書中彩圖文件下載。
本書主要包括以下內(nèi)容：
■使用預(yù)測建模解決實際問題
■探索數(shù)據(jù)可視化技術(shù)，以實現(xiàn)數(shù)據(jù)交互
■學(xué)習(xí)構(gòu)建推薦引擎
■理解如何處理文本數(shù)據(jù)，并構(gòu)建分析模型
■處理語音數(shù)據(jù)，使用隱馬爾可夫模型識別語音中的單詞
■掌握強(qiáng)化學(xué)習(xí)、自動化機(jī)器學(xué)習(xí)和遷移學(xué)習(xí)技術(shù)
■處理圖像數(shù)據(jù)，構(gòu)建圖像識別和面部識別系統(tǒng)
■使用深度神經(jīng)網(wǎng)絡(luò)構(gòu)建光學(xué)字符識別系統(tǒng)
朱塞佩·查博羅（Giuseppe Ciaburro）擁有環(huán)境技術(shù)物理學(xué)博士學(xué)位和兩個學(xué)科的
碩士學(xué)位，他的重點研究方向是機(jī)器學(xué)習(xí)在城市聲環(huán)境研究中的應(yīng)用。他有超過 15 年的編程專業(yè)經(jīng)驗（Python、R、MATLAB），最初從事燃燒學(xué)領(lǐng)域的研究，后又致力于聲學(xué)和噪音控制方向，并出版過幾本著作，銷量均不錯。
普拉蒂克·喬希（Prateek Joshi）畢業(yè)于南加州大學(xué)，擁有人工智能碩士學(xué)位。他是一位人工智能專家，也是一位 TEDx演講者，曾位列福布斯 30 歲以下的 30 位精英榜單，并在美國消費(fèi)者新聞與商業(yè)頻道（CNBC）、TechCrunch、硅谷商業(yè)期刊（Silicon Valley Business Journal）及更多的刊物上發(fā)表過文章。
第 1章 監(jiān)督學(xué)習(xí) 1
1.1 技術(shù)要求 1
1.2 簡介 2
1.3 用Python創(chuàng)建數(shù)組 3
1.3.1 準(zhǔn)備工作 3
1.3.2 詳細(xì)步驟 3
1.3.3 工作原理 4
1.3.4 更多內(nèi)容 4
1.4 用均值移除法進(jìn)行數(shù)據(jù)預(yù)處理 5
1.4.1 準(zhǔn)備工作 5
1.4.2 詳細(xì)步驟 6
1.4.3 工作原理 7
1.4.4 更多內(nèi)容 7
1.5 數(shù)據(jù)縮放 7
1.5.1 準(zhǔn)備工作 7
1.5.2 詳細(xì)步驟 8
1.5.3 工作原理 9
1.5.4 更多內(nèi)容 9
1.6 歸一化 9
1.6.1 準(zhǔn)備工作 9
1.6.2 詳細(xì)步驟 10
1.6.3 工作原理 10
1.6.4 更多內(nèi)容 10
1.7 二值化 10
1.7.1 準(zhǔn)備工作 11
1.7.2 詳細(xì)步驟 11
1.7.3 工作原理 11
1.7.4 更多內(nèi)容 12
1.8 one-hot編碼 12
1.8.1 準(zhǔn)備工作 12
1.8.2 詳細(xì)步驟 12
1.8.3 工作原理 13
1.8.4 更多內(nèi)容 14
1.9 標(biāo)簽編碼 14
1.9.1 準(zhǔn)備工作 14
1.9.2 詳細(xì)步驟 14
1.9.3 工作原理 15
1.9.4 更多內(nèi)容 16
1.10 構(gòu)建線性回歸器 16
1.10.1 準(zhǔn)備工作 17
1.10.2 詳細(xì)步驟 18
1.10.3 工作原理 20
1.10.4 更多內(nèi)容 20
1.11 計算回歸準(zhǔn)確度 21
1.11.1 準(zhǔn)備工作 21
1.11.2 詳細(xì)步驟 21
1.11.3 工作原理 22
1.11.4 更多內(nèi)容 22
1.12 模型持久化 22
1.12.1 準(zhǔn)備工作 22
1.12.2 詳細(xì)步驟 23
1.12.3 工作原理 23
1.12.4 更多內(nèi)容 23
1.13 構(gòu)建嶺回歸器 24
1.13.1 準(zhǔn)備工作 25
1.13.2 詳細(xì)步驟 25
1.13.3 工作原理 26
1.14 構(gòu)建多項式回歸器 26
1.14.1 準(zhǔn)備工作 27
1.14.2 詳細(xì)步驟 27
1.14.3 工作原理 29
1.14.4 更多內(nèi)容 29
1.15 估算房屋價格 29
1.15.1 準(zhǔn)備工作 30
1.15.2 詳細(xì)步驟 30
1.15.3 工作原理 33
1.15.4 更多內(nèi)容 33
1.16 計算特征的相對重要性 33
1.16.1 準(zhǔn)備工作 34
1.16.2 詳細(xì)步驟 34
1.16.3 工作原理 36
1.16.4 更多內(nèi)容 36
1.17 評估共享單車的需求分布 36
1.17.1 準(zhǔn)備工作 36
1.17.2 詳細(xì)步驟 36
1.17.3 工作原理 39
1.17.4 更多內(nèi)容 39
第 2章 構(gòu)建分類器 41
2.1 技術(shù)要求 41
2.2 簡介 42
2.3 構(gòu)建簡單分類器 42
2.3.1 準(zhǔn)備工作 43
2.3.2 詳細(xì)步驟 43
2.3.3 工作原理 45
2.3.4 更多內(nèi)容 45
2.4 構(gòu)建邏輯回歸分類器 45
2.4.1 準(zhǔn)備工作 45
2.4.2 詳細(xì)步驟 46
2.4.3 工作原理 49
2.4.4 更多內(nèi)容 49
2.5 構(gòu)建樸素貝葉斯分類器 49
2.5.1 準(zhǔn)備工作 50
2.5.2 詳細(xì)步驟 50
2.5.3 工作原理 52
2.5.4 更多內(nèi)容 53
2.6 將數(shù)據(jù)集劃分成訓(xùn)練集和測試集 53
2.6.1 準(zhǔn)備工作 54
2.6.2 詳細(xì)步驟 54
2.6.3 工作原理 56
2.6.4 更多內(nèi)容 57
2.7 用交叉驗證評估模型準(zhǔn)確度 57
2.7.1 準(zhǔn)備工作 57
2.7.2 詳細(xì)步驟 57
2.7.3 工作原理 58
2.7.4 更多內(nèi)容 59
2.8 混淆矩陣可視化 59
2.8.1 準(zhǔn)備工作 60
2.8.2 詳細(xì)步驟 60
2.8.3 工作原理 61
2.8.4 更多內(nèi)容 62
2.9 提取性能報告 62
2.9.1 準(zhǔn)備工作 62
2.9.2 詳細(xì)步驟 62
2.9.3 工作原理 63
2.9.4 更多內(nèi)容 63
2.10 根據(jù)特征評估汽車質(zhì)量 63
2.10.1 準(zhǔn)備工作 63
2.10.2 詳細(xì)步驟 64
2.10.3 工作原理 66
2.10.4 更多內(nèi)容 66
2.11 生成驗證曲線 66
2.11.1 準(zhǔn)備工作 67
2.11.2 詳細(xì)步驟 67
2.11.3 工作原理 69
2.11.4 更多內(nèi)容 69
2.12 生成學(xué)習(xí)曲線 69
2.12.1 準(zhǔn)備工作 70
2.12.2 詳細(xì)步驟 70
2.12.3 工作原理 71
2.12.4 更多內(nèi)容 71
2.13 估算收入階層 71
2.13.1 準(zhǔn)備工作 72
2.13.2 詳細(xì)步驟 72
2.13.3 工作原理 75
2.13.4 更多內(nèi)容 75
2.14 葡萄酒質(zhì)量預(yù)測 75
2.14.1 準(zhǔn)備工作 76
2.14.2 詳細(xì)步驟 76
2.14.3 工作原理 78
2.14.4 更多內(nèi)容 78
2.15 新聞組熱門話題分類 78
2.15.1 準(zhǔn)備工作 78
2.15.2 詳細(xì)步驟 79
2.15.3 工作原理 80
2.15.4 更多內(nèi)容 80
第3章 預(yù)測建�！�81
3.1 技術(shù)要求 81
3.2 簡介 82
3.3 用SVM構(gòu)建線性分類器 82
3.3.1 準(zhǔn)備工作 83
3.3.2 詳細(xì)步驟 84
3.3.3 工作原理 86
3.3.4 更多內(nèi)容 87
3.4 用SVM構(gòu)建非線性分類器 87
3.4.1 準(zhǔn)備工作 87
3.4.2 詳細(xì)步驟 87
3.4.3 工作原理 89
3.4.4 更多內(nèi)容 89
3.5 解決類型不平衡問題 89
3.5.1 準(zhǔn)備工作 90
3.5.2 詳細(xì)步驟 90
3.5.3 工作原理 93
3.5.4 更多內(nèi)容 93
3.6 提取置信度 93
3.6.1 準(zhǔn)備工作 93
3.6.2 詳細(xì)步驟 93
3.6.3 工作原理 95
3.6.4 更多內(nèi)容 96
3.7 尋找最優(yōu)超參數(shù) 96
3.7.1 準(zhǔn)備工作 96
3.7.2 詳細(xì)步驟 96
3.7.3 工作原理 100
3.7.4 更多內(nèi)容 101
3.8 構(gòu)建事件預(yù)測器 101
3.8.1 準(zhǔn)備工作 101
3.8.2 詳細(xì)步驟 102
3.8.3 工作原理 104
3.8.4 更多內(nèi)容 104
3.9 估算交通流量 104
3.9.1 準(zhǔn)備工作 104
3.9.2 詳細(xì)步驟 105
3.9.3 工作原理 107
3.9.4 更多內(nèi)容 107
3.10 用TensorFlow簡化機(jī)器學(xué)習(xí)流程 107
3.10.1 準(zhǔn)備工作 107
3.10.2 詳細(xì)步驟 108
3.10.3 工作原理 109
3.10.4 更多內(nèi)容 109
3.11 堆疊法實現(xiàn) 109
3.11.1 準(zhǔn)備工作 109
3.11.2 詳細(xì)步驟 109
3.11.3 工作原理 110
3.11.4 更多內(nèi)容 111
第4章 無監(jiān)督學(xué)習(xí)——聚類 112
4.1 技術(shù)要求 112
4.2 簡介 113
4.3 用k-means算法聚類數(shù)據(jù) 113
4.3.1 準(zhǔn)備工作 114
4.3.2 詳細(xì)步驟 114
4.3.3 工作原理 116
4.3.4 更多內(nèi)容 117
4.4 用向量量化壓縮圖片 117
4.4.1 準(zhǔn)備工作 118
4.4.2 詳細(xì)步驟 118
4.4.3 工作原理 121
4.4.4 更多內(nèi)容 121
4.5 用凝聚層次聚類進(jìn)行數(shù)據(jù)分組 122
4.5.1 準(zhǔn)備工作 122
4.5.2 詳細(xì)步驟 122
4.5.3 工作原理 125
4.5.4 更多內(nèi)容 125
4.6 評估聚類算法性能 126
4.6.1 準(zhǔn)備工作 126
4.6.2 詳細(xì)步驟 126
4.6.3 工作原理 129
4.6.4 更多內(nèi)容 129
4.7 用DBSCAN算法估算簇的個數(shù) 129
4.7.1 準(zhǔn)備工作 130
4.7.2 詳細(xì)步驟 130
4.7.3 工作原理 133
4.7.4 更多內(nèi)容 133
4.8 探索股票數(shù)據(jù)模式 134
4.8.1 準(zhǔn)備工作 134
4.8.2 詳細(xì)步驟 134
4.8.3 工作原理 136
4.8.4 更多內(nèi)容 136
4.9 構(gòu)建市場細(xì)分模型 136
4.9.1 準(zhǔn)備工作 136
4.9.2 詳細(xì)步驟 137
4.9.3 工作原理 139
4.9.4 更多內(nèi)容 139
4.10 用自動編碼器重構(gòu)手寫數(shù)字圖像 139
4.10.1 準(zhǔn)備工作 140
4.10.2 詳細(xì)步驟 140
4.10.3 工作原理 143
4.10.4 更多內(nèi)容 144
第5章 可視化數(shù)據(jù) 145
5.1 技術(shù)需求 145
5.2 簡介 146
5.3 畫3D散點圖 146
5.3.1 準(zhǔn)備工作 146
5.3.2 詳細(xì)步驟 146
5.3.3 工作原理 148
5.3.4 更多內(nèi)容 148
5.4 畫氣泡圖 148
5.4.1 準(zhǔn)備工作 148
5.4.2 詳細(xì)步驟 148
5.4.3 工作原理 149
5.4.4 更多內(nèi)容 150
5.5 畫動態(tài)氣泡圖 150
5.5.1 準(zhǔn)備工作 150
5.5.2 詳細(xì)步驟 150
5.5.3 工作原理 152
5.5.4 更多內(nèi)容 152
5.6 畫餅圖 152
5.6.1 準(zhǔn)備工作 152
5.6.2 詳細(xì)步驟 153
5.6.3 工作原理 154
5.6.4 更多內(nèi)容 154
5.7 繪制日期格式的時間序列數(shù)據(jù) 154
5.7.1 準(zhǔn)備工作 154
5.7.2 詳細(xì)步驟 154
5.7.3 工作原理 156
5.7.4 更多內(nèi)容 156
5.8 畫直方圖 156
5.8.1 準(zhǔn)備工作 157
5.8.2 詳細(xì)步驟 157
5.8.3 工作原理 158
5.8.4 更多內(nèi)容 159
5.9 可視化熱力圖 159
5.9.1 準(zhǔn)備工作 159
5.9.2 詳細(xì)步驟 159
5.9.3 工作原理 161
5.9.4 更多內(nèi)容 161
5.10 動態(tài)信號的可視化模擬 161
5.10.1 準(zhǔn)備工作 161
5.10.2 詳細(xì)步驟 161
5.10.3 工作原理 163
5.10.4 更多內(nèi)容 164
5.11 用seaborn庫畫圖 164
5.11.1 準(zhǔn)備工作 164
5.11.2 詳細(xì)步驟 164
5.11.3 工作原理 166
5.11.4 更多內(nèi)容 166
第6章 構(gòu)建推薦引擎 167
6.1 技術(shù)要求 167
6.2 簡介 168
6.3 為數(shù)據(jù)處理構(gòu)建函數(shù)組合 168
6.3.1 準(zhǔn)備工作 169
6.3.2 詳細(xì)步驟 169
6.3.3 工作原理 170
6.3.4 更多內(nèi)容 170
6.4 構(gòu)建機(jī)器學(xué)習(xí)管道 171
6.4.1 準(zhǔn)備工作 171
6.4.2 詳細(xì)步驟 171
6.4.3 工作原理 173
6.4.4 更多內(nèi)容 173
6.5 構(gòu)建最近鄰分類器 173
6.5.1 準(zhǔn)備工作 173
6.5.2 詳細(xì)步驟 173
6.5.3 工作原理 175
6.5.4 更多內(nèi)容 176
6.6 構(gòu)建KNN分類器 176
6.6.1 準(zhǔn)備工作 176
6.6.2 詳細(xì)步驟 176
6.6.3 工作原理 180
6.6.4 更多內(nèi)容 181
6.7 構(gòu)建KNN回歸器 181
6.7.1 準(zhǔn)備工作 181
6.7.2 詳細(xì)步驟 181
6.7.3 工作原理 183
6.7.4 更多內(nèi)容 184
6.8 計算歐式距離分?jǐn)?shù) 184
6.8.1 準(zhǔn)備工作 184
6.8.2 詳細(xì)步驟 184
6.8.3 工作原理 186
6.8.4 更多內(nèi)容 186
6.9 計算皮爾遜相關(guān)系數(shù) 186
6.9.1 準(zhǔn)備工作 186
6.9.2 詳細(xì)步驟 186
6.9.3 工作原理 188
6.9.4 更多內(nèi)容 189
6.10 查找數(shù)據(jù)集中的相似用戶 189
6.10.1 準(zhǔn)備工作 189
6.10.2 詳細(xì)步驟 189
6.10.3 工作原理 190
6.10.4 更多內(nèi)容 191
6.11 生成電影推薦 191
6.11.1 準(zhǔn)備工作 191
6.11.2 詳細(xì)步驟 191
6.11.3 工作原理 193
6.11.4 更多內(nèi)容 193
6.12 實現(xiàn)排序算法 193
6.12.1 準(zhǔn)備工作 194
6.12.2 詳細(xì)步驟 194
6.12.3 工作原理 195
6.12.4 更多內(nèi)容 195
6.13 用TensorFlow構(gòu)建過濾器模型 195
6.13.1 準(zhǔn)備工作 196
6.13.2 詳細(xì)步驟 196
6.13.3 工作原理 200
6.13.4 更多內(nèi)容 200
第7章 文本數(shù)據(jù)分析 201
7.1 技術(shù)要求 201
7.2 簡介 202
7.3 用標(biāo)記解析的方法預(yù)處理數(shù)據(jù) 203
7.3.1 準(zhǔn)備工作 203
7.3.2 詳細(xì)步驟 203
7.3.3 工作原理 204
7.3.4 更多內(nèi)容 205
7.4 提取文本數(shù)據(jù)的詞干 205
7.4.1 準(zhǔn)備工作 205
7.4.2 詳細(xì)步驟 205
7.4.3 工作原理 206
7.4.4 更多內(nèi)容 207
7.5 用詞形還原的方法還原文本的基本形式 207
7.5.1 準(zhǔn)備工作 207
7.5.2 詳細(xì)步驟 207
7.5.3 工作原理 208
7.5.4 更多內(nèi)容 209
7.6 用分塊的方法劃分文本 209
7.6.1 詳細(xì)步驟 209
7.6.2 工作原理 210
7.6.3 更多內(nèi)容 211
7.7 構(gòu)建詞袋模型 211
7.7.1 準(zhǔn)備工作 211
7.7.2 詳細(xì)步驟 211
7.7.3 工作原理 213
7.7.4 更多內(nèi)容 214
7.8 構(gòu)建文本分類器 214
7.8.1 準(zhǔn)備工作 214
7.8.2 詳細(xì)步驟 214
7.8.3 工作原理 216
7.8.4 更多內(nèi)容 217
7.9 識別名字性別 217
7.9.1 準(zhǔn)備工作 217
7.9.2 詳細(xì)步驟 217
7.9.3 工作原理 219
7.9.4 更多內(nèi)容 219
7.10 語句情感分析 219
7.10.1 準(zhǔn)備工作 220
7.10.2 詳細(xì)步驟 220
7.10.3 工作原理 222
7.10.4 更多內(nèi)容 223
7.11 用主題建模識別文本模式 223
7.11.1 準(zhǔn)備工作 223
7.11.2 詳細(xì)步驟 223
7.11.3 工作原理 225
7.11.4 更多內(nèi)容 226
7.12 用spaCy進(jìn)行詞性標(biāo)注 226
7.12.1 準(zhǔn)備工作 226
7.12.2 詳細(xì)步驟 226
7.12.3 工作原理 227
7.12.4 更多內(nèi)容 227
7.13 用gensim構(gòu)建Word2Vec模型 228
7.13.1 準(zhǔn)備工作 228
7.13.2 詳細(xì)步驟 228
7.13.3 工作原理 229
7.13.4 更多內(nèi)容 229
7.14 用淺層學(xué)習(xí)檢測垃圾信息 229
7.14.1 準(zhǔn)備工作 229
7.14.2 詳細(xì)步驟 230
7.14.3 工作原理 230
7.14.4 更多內(nèi)容 231
第8章 語音識別 232
8.1 技術(shù)要求 232
8.2 簡介 233
8.3 讀取和繪制音頻數(shù)據(jù) 233
8.3.1 準(zhǔn)備工作 233
8.3.2 詳細(xì)步驟 234
8.3.3 工作原理 235
8.3.4 更多內(nèi)容 235
8.4 將音頻信號轉(zhuǎn)換為頻域 236
8.4.1 準(zhǔn)備工作 236
8.4.2 詳細(xì)步驟 236
8.4.3 工作原理 238
8.4.4 更多內(nèi)容 238
8.5 用自定義參數(shù)生成音頻信號 238
8.5.1 準(zhǔn)備工作 238
8.5.2 詳細(xì)步驟 239
8.5.3 工作原理 240
8.5.4 更多內(nèi)容 241
8.6 合成音樂 241
8.6.1 準(zhǔn)備工作 241
8.6.2 詳細(xì)步驟 241
8.6.3 工作原理 243
8.6.4 更多內(nèi)容 243
8.7 提取頻域特征 243
8.7.1 準(zhǔn)備工作 244
8.7.2 詳細(xì)步驟 244
8.7.3 工作原理 246
8.7.4 更多內(nèi)容 246
8.8 構(gòu)建隱馬爾可夫模型 246
8.8.1 準(zhǔn)備工作 246
8.8.2 詳細(xì)步驟 246
8.8.3 工作原理 247
8.8.4 更多內(nèi)容 248
8.9 構(gòu)建語音識別器 248
8.9.1 準(zhǔn)備工作 248
8.9.2 詳細(xì)步驟 249
8.9.3 工作原理 252
8.9.4 更多內(nèi)容 253
8.10 構(gòu)建TTS系統(tǒng) 253
8.10.1 準(zhǔn)備工作 253
8.10.2 詳細(xì)步驟 253
8.10.3 工作原理 254
8.10.4 更多內(nèi)容 255
第9章 時序列化和時序數(shù)據(jù)分析 256
9.1 技術(shù)要求 256
9.2 簡介 257
9.3 將數(shù)據(jù)轉(zhuǎn)換為時間序列格式 257
9.3.1 準(zhǔn)備工作 257
9.3.2 詳細(xì)步驟 258
9.3.3 工作原理 259
9.3.4 更多內(nèi)容 260
9.4 切分時間序列數(shù)據(jù) 260
9.4.1 準(zhǔn)備工作 260
9.4.2 詳細(xì)步驟 260
9.4.3 工作原理 262
9.4.4 更多內(nèi)容 262
9.5 操作時間序列數(shù)據(jù) 262
9.5.1 準(zhǔn)備工作 262
9.5.2 詳細(xì)步驟 263
9.5.3 工作原理 264
9.5.4 更多內(nèi)容 265
9.6 從時序數(shù)據(jù)中提取統(tǒng)計信息 265
9.6.1 準(zhǔn)備工作 265
9.6.2 詳細(xì)步驟 265
9.6.3 工作原理 267
9.6.4 更多內(nèi)容 267
9.7 為序列數(shù)據(jù)構(gòu)建隱馬爾可夫模型 268
9.7.1 準(zhǔn)備工作 268
9.7.2 詳細(xì)步驟 268
9.7.3 工作原理 271
9.7.4 更多內(nèi)容 271
9.8 為序列化文本數(shù)據(jù)構(gòu)建條件隨機(jī)場 271
9.8.1 準(zhǔn)備工作 271
9.8.2 詳細(xì)步驟 272
9.8.3 工作原理 274
9.8.4 更多內(nèi)容 274
9.9 股市數(shù)據(jù)分析 274
9.9.1 準(zhǔn)備工作 275
9.9.2 詳細(xì)步驟 275
9.9.3 工作原理 278
9.9.4 更多內(nèi)容 278
9.10 用RNN預(yù)測時間序列數(shù)據(jù) 279
9.10.1 準(zhǔn)備工作 279
9.10.2 詳細(xì)步驟 279
9.10.3 工作原理 283
9.10.4 更多內(nèi)容 283
第 10章 圖像內(nèi)容分析 284
10.1 技術(shù)要求 284
10.2 簡介 285
10.3 用OpenCV_Python操作圖像 286
10.3.1 準(zhǔn)備工作 286
10.3.2 詳細(xì)步驟 286
10.3.3 工作原理 288
10.3.4 更多內(nèi)容 288
10.4 邊緣檢測 288
10.4.1 準(zhǔn)備工作 288
10.4.2 詳細(xì)步驟 288
10.4.3 工作原理 290
10.4.4 更多內(nèi)容 290
10.5 直方圖均衡 290
10.5.1 準(zhǔn)備工作 291
10.5.2 詳細(xì)步驟 291
10.5.3 工作原理 292
10.5.4 更多內(nèi)容 292
10.6 角點檢測 293
10.6.1 準(zhǔn)備工作 293
10.6.2 詳細(xì)步驟 293
10.6.3 工作原理 294
10.6.4 更多內(nèi)容 294
10.7 SIFT特征點檢測 294
10.7.1 準(zhǔn)備工作 295
10.7.2 詳細(xì)步驟 295
10.7.3 工作原理 296
10.7.4 更多內(nèi)容 296
10.8 構(gòu)建Star特征檢測器 296
10.8.1 準(zhǔn)備工作 297
10.8.2 詳細(xì)步驟 297
10.8.3 工作原理 298
10.8.4 更多內(nèi)容 298
10.9 用視覺碼本和向量量化創(chuàng)建特征 299
10.9.1 準(zhǔn)備工作 299
10.9.2 詳細(xì)步驟 299
10.9.3 工作原理 301
10.9.4 更多內(nèi)容 302
10.10 用極端隨機(jī)森林訓(xùn)練圖像分類器 302
10.10.1 準(zhǔn)備工作 302
10.10.2 詳細(xì)步驟 302
10.10.3 工作原理 304
10.10.4 更多內(nèi)容 304
10.11 構(gòu)建對象識別器 304
10.11.1 準(zhǔn)備工作 304
10.11.2 詳細(xì)步驟 304
10.11.3 工作原理 306
10.11.4 更多內(nèi)容 306
10.12 用LightGBM進(jìn)行圖像分類 306
10.12.1 準(zhǔn)備工作 306
10.12.2 詳細(xì)步驟 307
10.12.3 工作原理 309
10.12.4 更多內(nèi)容 309
第 11章 生物特征人臉識別 310
11.1 技術(shù)要求 310
11.2 簡介 311
11.3 從網(wǎng)絡(luò)攝像頭采集和處理視頻信息 311
11.3.1 準(zhǔn)備工作 312
11.3.2 詳細(xì)步驟 312
11.3.3 工作原理 313
11.3.4 更多內(nèi)容 313
11.4 用Haar級聯(lián)構(gòu)建人臉識別器 313
11.4.1 準(zhǔn)備工作 314
11.4.2 詳細(xì)步驟 314
11.4.3 工作原理 315
11.4.4 更多內(nèi)容 316
11.5 構(gòu)建眼鼻檢測器 316
11.5.1 準(zhǔn)備工作 316
11.5.2 詳細(xì)步驟 316
11.5.3 工作原理 318
11.5.4 更多內(nèi)容 319
11.6 主成分分析 319
11.6.1 準(zhǔn)備工作 319
11.6.2 詳細(xì)步驟 319
11.6.3 工作原理 321
11.6.4 更多內(nèi)容 321
11.7 核主成分分析 321
11.7.1 準(zhǔn)備工作 321
11.7.2 詳細(xì)步驟 321
11.7.3 工作原理 324
11.7.4 更多內(nèi)容 324
11.8 盲源分離 324
11.8.1 準(zhǔn)備工作 325
11.8.2 詳細(xì)步驟 325
11.8.3 工作原理 328
11.8.4 更多內(nèi)容 328
11.9 用局部二值模式直方圖構(gòu)建人臉識別器 328
11.9.1 準(zhǔn)備工作 328
11.9.2 詳細(xì)步驟 328
11.9.3 工作原理 332
11.9.4 更多內(nèi)容 332
11.10 基于HOG模型進(jìn)行人臉識別 332
11.10.1 準(zhǔn)備工作 332
11.10.2 詳細(xì)步驟 333
11.10.3 工作原理 333
11.10.4 更多內(nèi)容 334
11.11 人臉特征點識別 334
11.11.1 準(zhǔn)備工作 334
11.11.2 詳細(xì)步驟 334
11.11.3 工作原理 336
11.11.4 更多內(nèi)容 336
11.12 用人臉識別進(jìn)行用戶身份驗證 336
11.12.1 準(zhǔn)備工作 337
11.12.2 詳細(xì)步驟 337
11.12.3 工作原理 338
11.12.4 更多內(nèi)容 338
第 12章 強(qiáng)化學(xué)習(xí) 339
12.1 技術(shù)要求 339
12.2 簡介 340
12.3 用MDP預(yù)報天氣 341
12.3.1 準(zhǔn)備工作 341
12.3.2 詳細(xì)步驟 341
12.3.3 工作原理 343
12.3.4 更多內(nèi)容 343
12.4 用DP優(yōu)化金融投資組合 344
12.4.1 準(zhǔn)備工作 344
12.4.2 詳細(xì)步驟 344
12.4.3 工作原理 346
12.4.4 更多內(nèi)容 346
12.5 找出最短路徑 346
12.5.1 準(zhǔn)備工作 346
12.5.2 詳細(xì)步驟 347
12.5.3 工作原理 348
12.5.4 更多內(nèi)容 348
12.6 使用Q學(xué)習(xí)決定折扣因子 348
12.6.1 準(zhǔn)備工作 349
12.6.2 詳細(xì)步驟 349
12.6.3 工作原理 350
12.6.4 更多內(nèi)容 351
12.7 實現(xiàn)深度Q學(xué)習(xí)算法 351
12.7.1 準(zhǔn)備工作 351
12.7.2 詳細(xì)步驟 351
12.7.3 工作原理 353
12.7.4 更多內(nèi)容 353
12.8 開發(fā)基于AI的動態(tài)模型系統(tǒng) 353
12.8.1 準(zhǔn)備工作 353
12.8.2 詳細(xì)步驟 354
12.8.3 工作原理 355
12.8.4 更多內(nèi)容 355
12.9 通過雙Q學(xué)習(xí)進(jìn)行深度強(qiáng)化學(xué)習(xí) 355
12.9.1 準(zhǔn)備工作 356
12.9.2 詳細(xì)步驟 356
12.9.3 工作原理 357
12.9.4 更多內(nèi)容 357
12.10 通過dueling Q學(xué)習(xí)進(jìn)行深度強(qiáng)化學(xué)習(xí) 357
12.10.1 準(zhǔn)備工作 358
12.10.2 詳細(xì)步驟 358
12.10.3 工作原理 359
12.10.4 更多內(nèi)容 360
第 13章 深度神經(jīng)網(wǎng)絡(luò) 361
13.1 技術(shù)要求 361
13.2 簡介 362
13.3 構(gòu)建感知機(jī)模型 362
13.3.1 準(zhǔn)備工作 363
13.3.2 詳細(xì)步驟 363
13.3.3 工作原理 364
13.3.4 更多內(nèi)容 364
13.4 構(gòu)建單層神經(jīng)網(wǎng)絡(luò) 365
13.4.1 準(zhǔn)備工作 365
13.4.2 詳細(xì)步驟 365
13.4.3 工作原理 367
13.4.4 更多內(nèi)容 367
13.5 構(gòu)建深度神經(jīng)網(wǎng)絡(luò) 368
13.5.1 準(zhǔn)備工作 368
13.5.2 詳細(xì)步驟 368
13.5.3 工作原理 371
13.5.4 更多內(nèi)容 371
13.6 創(chuàng)建向量量化器 371
13.6.1 準(zhǔn)備工作 371
13.6.2 詳細(xì)步驟 371
13.6.3 工作原理 373
13.6.4 更多內(nèi)容 373
13.7 為序列數(shù)據(jù)分析構(gòu)建循環(huán)神經(jīng)網(wǎng)絡(luò) 373
13.7.1 準(zhǔn)備工作 374
13.7.2 詳細(xì)步驟 374
13.7.3 工作原理 377
13.7.4 更多內(nèi)容 377
13.8 可視化OCR數(shù)據(jù)庫字符 377
13.8.1 準(zhǔn)備工作 377
13.8.2 詳細(xì)步驟 377
13.8.3 工作原理 378
13.8.4 更多內(nèi)容 378
13.9 使用神經(jīng)網(wǎng)絡(luò)構(gòu)建光學(xué)字符識別器 379
13.9.1 準(zhǔn)備工作 379
13.9.2 詳細(xì)步驟 379
13.9.3 工作原理 381
13.9.4 更多內(nèi)容 381
13.10 用ANN實現(xiàn)優(yōu)化算法 381
13.10.1 準(zhǔn)備工作 382
13.10.2 詳細(xì)步驟 382
13.10.3 工作原理 384
13.10.4 更多內(nèi)容 384
第 14章 無監(jiān)督表示學(xué)習(xí) 385
14.1 需要的文件 385
14.2 簡介 386
14.3 用降噪自動編碼器檢測欺詐交易 386
14.3.1 準(zhǔn)備工作 386
14.3.2 詳細(xì)步驟 386
14.3.3 工作原理 390
14.3.4 更多內(nèi)容 391
14.4 用CBOW和skipgram表示生成詞嵌入 391
14.4.1 準(zhǔn)備工作 391
14.4.2 詳細(xì)步驟 392
14.4.3 工作原理 393
14.4.4 更多內(nèi)容 393
14.5 用PCA和t-SNE可視化MNIST數(shù)據(jù) 393
14.5.1 準(zhǔn)備工作 394
14.5.2 詳細(xì)步驟 394
14.5.3 工作原理 396
14.5.4 更多內(nèi)容 396
14.6 使用詞嵌入進(jìn)行推特情感分析 397
14.6.1 準(zhǔn)備工作 397
14.6.2 詳細(xì)步驟 397
14.6.3 工作原理 400
14.6.4 更多內(nèi)容 400
14.7 用scikit-learn實現(xiàn)LDA 400
14.7.1 準(zhǔn)備工作 401
14.7.2 詳細(xì)步驟 401
14.7.3 工作原理 402
14.7.4 更多內(nèi)容 402
14.8 用LDA對文本文檔分類 402
14.8.1 準(zhǔn)備工作 402
14.8.2 詳細(xì)步驟 403
14.8.3 工作原理 404
14.8.4 更多內(nèi)容 404
14.9 為LDA準(zhǔn)備數(shù)據(jù) 405
14.9.1 準(zhǔn)備工作 405
14.9.2 詳細(xì)步驟 405
14.9.3 工作原理 407
14.9.4 更多內(nèi)容 407
第 15章 自動機(jī)器學(xué)習(xí)與遷移學(xué)習(xí) 408
15.1 技術(shù)要求 408
15.2 簡介 409
15.3 Auto-WEKA 409
15.3.1 準(zhǔn)備工作 410
15.3.2 詳細(xì)步驟 410
15.3.3 工作原理 410
15.3.4 更多內(nèi)容 410
15.4 用AutoML工具TPOT生成機(jī)器學(xué)習(xí)管道 410
15.4.1 準(zhǔn)備工作 411
15.4.2 詳細(xì)步驟 411
15.4.3 工作原理 412
15.4.4 更多內(nèi)容 412
15.5 Auto-Keras 412
15.5.1 準(zhǔn)備工作 412
15.5.2 詳細(xì)步驟 412
15.5.3 工作原理 413
15.5.4 更多內(nèi)容 413
15.6 auto-sklearn 413
15.6.1 準(zhǔn)備工作 413
15.6.2 詳細(xì)步驟 414
15.6.3 工作原理 414
15.6.4 更多內(nèi)容 414
15.7 用MLBox進(jìn)行功能選擇和泄漏檢測 415
15.7.1 準(zhǔn)備工作 415
15.7.2 詳細(xì)步驟 415
15.7.3 工作原理 416
15.7.4 更多內(nèi)容 416
15.8 用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行遷移學(xué)習(xí) 417
15.8.1 準(zhǔn)備工作 417
15.8.2 詳細(xì)步驟 417
15.8.3 工作原理 420
15.8.4 更多內(nèi)容 420
15.9 用ResNet-50作預(yù)訓(xùn)練圖像分類器進(jìn)行遷移學(xué)習(xí) 421
15.9.1 準(zhǔn)備工作 421
15.9.2 詳細(xì)步驟 421
15.9.3 工作原理 422
15.9.4 更多內(nèi)容 423
15.10 用VGG16模型作特征提取器進(jìn)行遷移學(xué)習(xí) 423
15.10.1 準(zhǔn)備工作 423
15.10.2 詳細(xì)步驟 423
15.10.3 工作原理 425
15.10.4 更多內(nèi)容 425
15.11 用預(yù)訓(xùn)練GloVe嵌入模型進(jìn)行遷移學(xué)習(xí) 425
15.11.1 準(zhǔn)備工作 425
15.11.2 詳細(xì)步驟 426
15.11.3 工作原理 428
15.11.4 更多內(nèi)容 428
第 16章 生產(chǎn)中的應(yīng)用 430
16.1 技術(shù)要求 430
16.2 簡介 430
16.3 處理非結(jié)構(gòu)化數(shù)據(jù) 431
16.3.1 準(zhǔn)備工作 431
16.3.2 詳細(xì)步驟 431
16.3.3 工作原理 432
16.3.4 更多內(nèi)容 433
16.4 部署機(jī)器學(xué)習(xí)模型 433
16.4.1 準(zhǔn)備工作 433
16.4.2 詳細(xì)步驟 433
16.4.3 工作原理 435
16.4.4 更多內(nèi)容 435
16.5 跟蹤生產(chǎn)中的變化 435
16.5.1 詳細(xì)步驟 435
16.5.2 工作原理 436
16.5.3 更多內(nèi)容 436
16.6 跟蹤準(zhǔn)確率并優(yōu)化模型 437
16.6.1 詳細(xì)步驟 437
16.6.2 工作原理 437
16.6.3 更多內(nèi)容 438
你還可能感興趣
我要評論
|
