《机器学习系统设计》Willi Richert - (EPUB全文下载)

文件大小：3.6 mb。
文件格式：epub 格式。
书籍内容：

版权信息书名：机器学习系统设计
作者：Willi Richert， Luis Pedro Coelho
译者：刘峰
ISBN：978-7-115-35682-6
本书由北京图灵文化发展有限公司发行数字版。版权所有，侵权必究。
您购买的图灵电子书仅供您个人使用，未经授权，不得以任何方式复制和传播本书内容。
我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。
如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐号等维权措施，并可能追究法律责任。
目录版权声明译者序作者致谢关于作者关于审校者前言第1章　Python机器学习入门1.1　梦之队：机器学习与Python1.2　这本书将教给你什么（以及不会教什么）1.3　遇到困难的时候怎么办1.4　开始1.4.1　NumPy、SciPy和Matplotlib简介1.4.2　安装Python1.4.3　使用NumPy和SciPy智能高效地处理数据1.4.4　学习NumPy1.4.5　学习SciPy1.5　我们第一个（极小的）机器学习应用1.5.1　读取数据1.5.2　预处理和清洗数据1.5.3　选择正确的模型和学习算法1.6　小结第2章　如何对真实样本分类2.1　Iris数据集2.1.1　第一步是可视化2.1.2　构建第一个分类模型2.2　构建更复杂的分类器2.3　更复杂的数据集和更复杂的分类器2.3.1　从Seeds数据集中学习2.3.2　特征和特征工程2.3.3　最邻近分类2.4　二分类和多分类2.5　小结第3章　聚类：寻找相关的帖子3.1　评估帖子的关联性3.1.1　不应该怎样3.1.2　应该怎样3.2　预处理：用相近的公共词语个数来衡量相似性3.2.1　将原始文本转化为词袋3.2.2　统计词语3.2.3　词语频次向量的归一化3.2.4　删除不重要的词语3.2.5　词干处理3.2.6　停用词兴奋剂3.2.7　我们的成果和目标3.3　聚类3.3.1　K均值3.3.2　让测试数据评估我们的想法3.3.3　对帖子聚类3.4　解决我们最初的难题换个角度看噪声3.5　调整参数3.6　小结第4章　主题模型4.1　潜在狄利克雷分配（LDA）构建主题模型4.2　在主题空间比较相似度对整个维基百科建模4.3　选择主题个数4.4　小结第5章　分类：检测劣质答案5.1　路线图概述5.2　学习如何区分出优秀的答案5.2.1　调整样本5.2.2　调整分类器5.3　获取数据5.3.1　将数据消减到可处理的程度5.3.2　对属性进行预选择和处理5.3.3　定义什么是优质答案5.4　创建第一个分类器5.4.1　从k邻近（kNN）算法开始5.4.2　特征工程5.4.3　训练分类器5.4.4　评估分类器的性能5.4.5　设计更多的特征5.5　决定怎样提升效果5.5.1　偏差-方差及其折中5.5.2　解决高偏差5.5.3　解决高方差5.5.4　高偏差或低偏差5.6　采用逻辑回归5.6.1　一点数学和一个小例子5.6.2　在帖子分类问题上应用逻辑回归5.7　观察正确率的背后：准确率和召回率5.8　为分类器瘦身5.9　出货5.10　小结第6章　分类II：情感分析6.1　路线图概述6.2　获取推特（Twitter）数据6.3　朴素贝叶斯分类器介绍6.3.1　了解贝叶斯定理6.3.2　朴素6.3.3　使用朴素贝叶斯进行分类6.3.4　考虑未出现的词语和其他古怪情况6.3.5　考虑算术下溢6.4　创建第一个分类器并调优6.4.1　先解决一个简单问题6.4.2　使用所有的类6.4.3　对分类器的参数进行调优6.5　清洗推文6.6　将词语类型考虑进去6.6.1　确定词语的类型6.6.2　用SentiWordNet成功地作弊6.6.3　我们第一个估算器6.6.4　把所有东西融合在一起6.7　小结第7章　回归：推荐7.1　用回归预测房价7.1.1　多维回归7.1.2　回归里的交叉验证7.2　惩罚式回归7.2.1　L1和L2惩罚7.2.2　在Scikit-learn中使用Lasso或弹性网7.3　P大于N的情形7.3.1　基于文本的例子7.3.2　巧妙地设置超参数（hyperparameter）7.3.3　评分预测和推荐7.4　小结第8章　回归：改进的推荐8.1　改进的推荐8.1.1　使用二值推荐矩阵8.1.2　审视电影的近邻8.1.3　组合多种方法8.2　购物篮分析8.2.1　获取有用的预测8.2.2　分析超市购物篮8.2.3　关联规则挖掘8.2.4　更多购物篮分析的高级话题8.3　小结第9章　分类III：音乐体裁分类9.1　路线图概述9.2　获取音乐数据转换成音频格式9.3　观察音乐将音乐分解成正弦波形成分9.4　用FFT构建第一个分类器9.4.1　增加实验敏捷性9.4.2　训练分类器9.4.3　在多分类问题中用混淆矩阵评估正确率9.4.4　另一种方式评估分类器效果：受试者工作特征曲线（ROC）9.5　用梅尔倒频谱系数（MFCC）提升分类效果9.6　小结第10章　计算机视觉：模式识别10.1　图像处理简介10.2　读取和显示图像10.2.1　图像处理基础10.2.2　加入椒盐噪声10.2.3　模式识别10.2.4　计算图像特征10.2.5　设计你自己的特征10.3　在更难的数据集上分类10.4　局部特征表示10.5　小结第11章　降维11.1　路线图11.2　选择特征11.2.1　用筛选器检测冗余特征11.2.2　用封装器让模型选择特征11.3　其他特征选择方法11.4　特征抽取11.4.1　主成分分析（PCA）11.4.2　PCA的局限性以及LDA会有什么帮助11.5　多维标度法（MDS）11.6　小结第12章　大数据12.1　了解大数据12.2　用Jug程序包把你的处理流程分解成几个任务12.2.1　关于任务12.2.2　复用部分结果12.2.3　幕后的工作原理12.2.4　用Jug分析数据12.3　使用亚马逊Web服务（AWS）12.3.1　构建你的第一台机器12.3.2　用starc ............

书籍插图：

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。