《机器学习实战 基于Scikit Learn Keras和Te》读书笔记思维导图PPT模板下载

思维导图PPT模板《机器学习实战基于ScikitLearnKeras和Te》最新版读书笔记，下载可以直接修改01O’ReillyMedia，Inc.介...译者序第二部分神经网络与深度学习推荐序第一部分机器学习的基础知识附录A课后练习题解答目录030502040607附录B机器学习项目清单附录D自动微分附录F特殊数据结构附录CSVM对偶问题附录E其他流行的人工神经网络架构附录GTensorFlow图目录0901108010012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’ReillyMedia，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1章机器学习概览第2章端到端的机器学习项目第3章分类第4章训练模型第5章支持向量机第6章决策树010302040506第一部分机器学习的基础知识第7章集成学习和随机森林第9章无监督学习技术第8章降维第一部分机器学习的基础知识1.1什么是机器学习1.2为什么使用机器学习1.3机器学习的应用示例1.4机器学习系统的类型第1章机器学习概览1.5机器学习的主要挑战1.7练习题1.6测试与验证第1章机器学习概览2.1使用真实数据2.2观察大局2.3获取数据2.4从数据探索和可视化中获得洞见2.5机器学习算法的数据准备2.6选择和训练模型010302040506第2章端到端的机器学习项目2.7微调模型2.8启动、监控和维护你的系统2.9试试看2.10练习题第2章端到端的机器学习项目3.1MNIST3.2训练二元分类器3.3性能测量3.4多类分类器第3章分类3.5误差分析3.6多标签分类3.7多输出分类3.8练习题第3章分类4.1线性回归4.2梯度下降4.3多项式回归4.4学习曲线第4章训练模型4.5正则化线性模型4.7练习题4.6逻辑回归第4章训练模型5.1线性SVM分类5.2非线性SVM分类5.3SVM回归5.4工作原理5.5练习题12345第5章支持向量机6.1训练和可视化决策树6.2做出预测6.3估计类概率6.4CART训练算法6.5计算复杂度6.6基尼不纯度或熵010302040506第6章决策树6.7正则化超参数6.8回归6.9不稳定性6.10练习题第6章决策树7.1投票分类器7.2bagging和pasting7.3随机补丁和随机子空间7.4随机森林第7章集成学习和随机森林7.5提升法7.7练习题7.6堆叠法第7章集成学习和随机森林8.1维度的诅咒8.2降维的主要方法8.3PCA8.4内核PCA第8章降维8.5LLE8.7练习题8.6其他降维技术第8章降维9.1聚类9.3练习题9.2高斯混合模型第9章无监督学习技术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10章Keras人工神经网络简介第11章训练深度神经网络第12章使用TensorFlow自定义...第13章使用TensorFlow加载和...第14章使用卷积神经网络的深度计算机视...第15章使用RNN和CNN处理序列010302040506第二部分神经网络与深度学习第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18章强化学习第19章大规模训练和部署TensorF...第二部分神经网络与深度学习10.1从生物神经元到人工神经元10.2使用Keras实现MLP10.3微调神经网络超参数10.4练习题第10章Keras人工神经网络简介11.1梯度消失与梯度爆炸问题11.2重用预训练层11.3更快的优化器11.4通过正则化避免过拟合11.5总结和实用指南11.6练习题010302040506第11章训练深度神经网络12.1TensorFlow快速浏览12.2像NumPy一样使用Tenso...12.3定制模型和训练算法12.4TensorFlow函数和图12.5练习题12345第12章使用TensorFlow自定义...13.1数据API13.2TFRecord格式13.3预处理输入特征13.4TFTransform13.5TensorFlow数据集项目13.6练习题010302040506第13章使用TensorFlow加载和...14.1视觉皮层的架构14.2卷积层14.3池化层14.4CNN架构14.5使用Keras实现ResNet...14.6使用Keras的预训练模型010302040506第14章使用卷积神经网络的深度计算机视...14.7迁移学习的预训练模型14.8分类和定位14.9物体检测14.10语义分割14.11练习题12345第14章使用卷积神经网络的深度计算机视...15.1循环神经元和层15.2训练RNN15.3预测时间序列15.4处理长序列15.5练习题12345第15章使用RNN和CNN处理序列16.1使用字符RNN生成莎士比亚文本16.2情感分析16.3神经机器翻译的编码器-解码器网...16.4注意力机制16.5最近语言模型的创新16.6练习题010302040506第16章使用RNN和注意力机制进行自然...17.1有效的数据表征17.2使用不完整的线性自动编码器执行...17.3堆叠式自动编码器17.4卷积自动编码器17.5循环自动编码器17.6去噪自动编码器010302040506第17章使用自动编码器和GAN的表征学...17.7稀疏自动编码器17.8变分自动编码器17.9生成式对抗网络17.10练习题第17章使用自动编码器和GAN的表征学...18.1学习优化奖励18.2策略搜索18.3OpenAIGym介绍18.4神经网络策略18.5评估动作：信用分配问题18.6策略梯度010302040506第18章强化学习18.7马尔可夫决策过程18.8时序差分学习18.9Q学习18.10实现深度Q学习第18章强化学习18.11深度Q学习的变体18.12TF-Agents库18.13一些流行的RL算法概述18.14练习题第18章强化学习19.1为TensorFlow模型提供...19.2将模型部署到移动端或嵌入式设备19.3使用GPU加速计算8619.4跨多个设备的训练模型19.5练习题19.6致谢010302040506第19章大规模训练和部署TensorF...附录A课后练习题解答通过约束模型使其更简单，并降低过拟合的风险，这个过程称为正则化。附录B机器学习项目清单监督学习和无监督学习、在线学习和批量学习、基于实例学习和基于模型学习。附录CSVM对偶问题回归问题的典型性能指标是均方根误差（RMSE）这里是一些最重要的有监督学习算法（本书中会介绍）：·k-近邻算法·线性回归·逻辑回归·支持向量机（SVM）·决策树和随机森林·神经网络[2]范数指标越高，它越关注大值而忽略小值。附录D自动微分这就是RMSE对异常值比MAE更敏感的原因。附录E其他流行的人工神经网络架构但是，当离群值呈指数形式稀有时（如钟形曲线），RMSE表现非常好，通常是首选。附录F特殊数据结构这里有一些最重要的无监督学习算法（大部分会在第8章和第9章中介绍）：