深度學(xué)習(xí)精要基于R語言

定　價：￥49.00

作　者：	Joshua F. Wiley，威利著；高蓉譯
出版社：	人民郵電出版社
叢編項：
標(biāo)　簽：	計算機?網(wǎng)絡(luò) 人工智能

購買這本書可以去

ISBN：	9787115464156	出版時間：	2017-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	154	字?jǐn)?shù)：

內(nèi)容簡介

　　本書重點介紹如何將R語言和深度學(xué)習(xí)模型或深度神經(jīng)網(wǎng)絡(luò)結(jié)合起來，解決實際的應(yīng)用需求。全書共6章，分別介紹了深度這習(xí)基礎(chǔ)知識、訓(xùn)練預(yù)測模型、如何防止過擬合、識別異常數(shù)據(jù)、訓(xùn)練深度預(yù)測模型以及調(diào)節(jié)和優(yōu)化模型等內(nèi)容。本書適合了解機器學(xué)習(xí)概念和R語言并想要使用R提供的包來探索深度學(xué)習(xí)應(yīng)用的讀者學(xué)習(xí)參考。

作者簡介

　　機器學(xué)習(xí)、深度學(xué)習(xí)、人工智能等相關(guān)領(lǐng)域的讀者，高校計算機專業(yè)的學(xué)生。機器學(xué)習(xí)、深度學(xué)習(xí)、人工智能等相關(guān)領(lǐng)域的讀者，高校計算機專業(yè)的學(xué)生。

圖書目錄

目錄

第1章　深度學(xué)習(xí)入門\t1
1．1　什么是深度學(xué)習(xí)\t1
1．2　神經(jīng)網(wǎng)絡(luò)的概念
綜述\t2
1．3　深度神經(jīng)網(wǎng)絡(luò)\t6
1．4　用于深度學(xué)習(xí)的R包\t8
1．5　建立可重復(fù)的結(jié)果\t9
1．5．1　神經(jīng)網(wǎng)絡(luò)\t12
1．5．2　deepnet包\t13
1．5．3　darch包\t14
1．5．4　H2O包\t14
1．6　連接R和H2O\t14
1．6．1　初始化H2O\t15
1．6．2　數(shù)據(jù)集連結(jié)到H2O
集群\t17
1．7　小結(jié)\t19
第2章　訓(xùn)練預(yù)測模型\t20
2．1　R中的神經(jīng)網(wǎng)絡(luò)\t20
2．1．1　建立神經(jīng)網(wǎng)絡(luò)\t21
2．1．2　從神經(jīng)網(wǎng)絡(luò)生成
預(yù)測\t36
2．2　數(shù)據(jù)過擬合的問題—
結(jié)果的解釋\t38
2．3　用例—建立并運用
神經(jīng)網(wǎng)絡(luò)\t41
2．4　小結(jié)\t47
第3章　防止過擬合\t48
3．1　L1罰函數(shù)\t49
3．2　L2罰函數(shù)\t53
3．2．1　L2罰函數(shù)實戰(zhàn)\t54
3．2．2　權(quán)重衰減（神經(jīng)網(wǎng)絡(luò)中的L2罰函數(shù)）\t55
3．3　集成和模型平均\t59
3．4　用例—使用丟棄提升樣本
外模型性能\t62
3．5　小結(jié)\t67
第4章　識別異常數(shù)據(jù)\t68
4．1　無監(jiān)督學(xué)習(xí)入門\t69
4．2　自動編碼器如何工作\t70
4．3　在R中訓(xùn)練自動編碼器\t73
4．4　用例—建立并運用自動
編碼器模型\t85
4．5　微調(diào)自動編碼器模型\t90
4．6　小結(jié)\t95
第5章　訓(xùn)練深度預(yù)測模型\t96
5．1　深度前饋神經(jīng)網(wǎng)絡(luò)入門\t97
5．2　常用的激活函數(shù)—整流器、雙曲正切和maxout\t99
5．3　選取超參數(shù)\t101
5．4　從深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練和
預(yù)測新數(shù)據(jù)\t105
5．5　用例—為自動分類生成
深度神經(jīng)網(wǎng)絡(luò)\t114
5．6　小結(jié)\t132
第6章　調(diào)節(jié)和優(yōu)化模型\t133
6．1　處理缺失數(shù)據(jù)\t134
6．2　低準(zhǔn)確度模型的解決
方案\t137
6．2．1　網(wǎng)格搜索\t138
6．2．2　隨機搜索\t139
6．3　小結(jié)\t151
參考文獻\t152