《Python高级机器学习》求取 ⇩

第1章无监督机器学习1

1.1主成分分析1

1.1.1主成分分析入门2

1.1.2应用主成分分析3

1.2k均值聚类5

1.2.1聚类入门5

1.2.2开始聚类分析6

1.2.3调整聚类参数10

1.3自组织映射13

1.3.1自组织映射入门13

1.3.2部署自组织映射14

1.4扩展阅读17

1.5小结18

第2章深度信念网络19

2.1神经网络入门19

2.1.1神经网络的组成20

2.1.2网络拓扑结构20

2.2受限玻尔兹曼机23

2.2.1受限玻尔兹曼机简介23

2.2.2受限玻尔兹曼机的应用26

2.2.3受限玻尔兹曼机的扩展应用35

2.3深度信念网络35

2.3.1训练深度信念网络36

2.3.2应用深度信念网络36

2.3.3验证深度信念网络39

2.4扩展阅读40

2.5小结40

第3章堆叠式降噪自编码机41

3.1自编码机41

3.1.1自编码机简介41

3.1.2降噪自编码机43

3.1.3应用降噪自编码机44

3.2堆叠式降噪自编码机47

3.2.1应用堆叠式降噪自编码机48

3.2.2评估堆叠式降噪自编码机的性能53

3.3扩展阅读54

3.4小结54

第4章卷积神经网络55

4.1CNN介绍55

4.1.1 CNN拓扑结构56

4.1.2应用CNN66

4.2扩展阅读71

4.3小结71

第5章半监督学习72

5.1简介72

5.2何为半监督学习72

5.3半监督算法实战73

5.3.1自训练73

5.3.2对比悲观似然估计81

5.4扩展阅读89

5.5小结90

第6章文本特征工程91

6.1介绍91

6.2文本特征工程92

6.2.1清洗文本数据92

6.2.2根据文本数据构造特征99

6.2.3测试准备好的数据103

6.3扩展阅读108

6.4小结109

第7章特征工程Ⅱ110

7.1介绍110

7.2创建特征集110

7.2.1为机器学习应用构建特征111

7.2.2运用特征选择技术117

7.3特征工程实战123

7.4扩展阅读141

7.5小结142

第8章集成方法143

8.1集成简介143

8.1.1理解平均集成144

8.1.2应用提升法148

8.1.3使用堆叠集成153

8.2在动态应用中使用模型157

8.2.1理解模型稳健性158

8.2.2控制模型稳健性的策略163

8.3扩展阅读166

8.4小结166

第9章其他Python机器学习工具167

9.1可选的开发工具167

9.1.1Lasagne简介167

9.1.2 TensorFlow简介169

9.1.3何时使用这些库173

9.2扩展阅读174

9.3小结175

附录代码运行要求176