Python高級機(jī)器學(xué)習(xí)

版權(quán)聲明 iii
前言 v
第 1章 無監(jiān)督機(jī)器學(xué)習(xí) 1
1．1 主成分分析 1
1．1．1 主成分分析入門 2
1．1．2 應(yīng)用主成分分析 3
1．2 k均值聚類 5
1．2．1 聚類入門 5
1．2．2 開始聚類分析 6
1．2．3 調(diào)整聚類參數(shù) 10
1．3 自組織映射 13
1．3．1 自組織映射入門 13
1．3．2 部署自組織映射 14
1．4 擴(kuò)展閱讀 17
1．5 小結(jié) 18
第 2章 深度信念網(wǎng)絡(luò) 19
2．1 神經(jīng)網(wǎng)絡(luò)入門 19
2．1．1 神經(jīng)網(wǎng)絡(luò)的組成 20
2．1．2 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu) 20
2．2 受限玻爾茲曼機(jī) 23
2．2．1 受限玻爾茲曼機(jī)簡介 23
2．2．2 受限玻爾茲曼機(jī)的應(yīng)用 26
2．2．3 受限玻爾茲曼機(jī)的擴(kuò)展應(yīng)用 35
2．3 深度信念網(wǎng)絡(luò) 35
2．3．1 訓(xùn)練深度信念網(wǎng)絡(luò) 36
2．3．2 應(yīng)用深度信念網(wǎng)絡(luò) 36
2．3．3 驗(yàn)證深度信念網(wǎng)絡(luò) 39
2．4 擴(kuò)展閱讀 40
2．5 小結(jié) 40
第3章 堆疊式降噪自編碼機(jī) 41
3．1 自編碼機(jī) 41
3．1．1 自編碼機(jī)簡介 41
3．1．2 降噪自編碼機(jī) 43
3．1．3 應(yīng)用降噪自編碼機(jī) 44
3．2 堆疊式降噪自編碼機(jī) 47
3．2．1 應(yīng)用堆疊式降噪自編碼機(jī) 48
3．2．2 評估堆疊式降噪自編碼機(jī)的性能 53
3．3 擴(kuò)展閱讀 54
3．4 小結(jié) 54
第4章 卷積神經(jīng)網(wǎng)絡(luò) 55
4．1 CNN介紹 55
4．1．1 CNN拓?fù)浣Y(jié)構(gòu) 56
4．1．2 應(yīng)用CNN 66
4．2 擴(kuò)展閱讀 71
4．3 小結(jié) 71
第5章 半監(jiān)督學(xué)習(xí) 72
5．1 簡介 72
5．2 何為半監(jiān)督學(xué)習(xí) 72
5．3 半監(jiān)督算法實(shí)戰(zhàn) 73
5．3．1 自訓(xùn)練 73
5．3．2 對比悲觀似然估計(jì) 81
5．4 擴(kuò)展閱讀 89
5．5 小結(jié) 90
第6章 文本特征工程 91
6．1 介紹 91
6．2 文本特征工程 92
6．2．1 清洗文本數(shù)據(jù) 92
6．2．2 根據(jù)文本數(shù)據(jù)構(gòu)造特征 99
6．2．3 測試準(zhǔn)備好的數(shù)據(jù) 103
6．3 擴(kuò)展閱讀 108
6．4 小結(jié) 109
第7章 特征工程II 110
7．1 介紹 110
7．2 創(chuàng)建特征集 110
7．2．1 為機(jī)器學(xué)習(xí)應(yīng)用構(gòu)建特征 111
7．2．2 運(yùn)用特征選擇技術(shù) 117
7．3 特征工程實(shí)戰(zhàn) 123
7．4 擴(kuò)展閱讀 141
7．5 小結(jié) 142
第8章 集成方法 143
8．1 集成簡介 143
8．1．1 理解平均集成 144
8．1．2 應(yīng)用提升法 148
8．1．3 使用堆疊集成 153
8．2 在動態(tài)應(yīng)用中使用模型 157
8．2．1 理解模型穩(wěn)健性 158
8．2．2 控制模型穩(wěn)健性的策略 163
8．3 擴(kuò)展閱讀 166
8．4 小結(jié) 166
第9章 其他Python機(jī)器學(xué)習(xí)工具 167
9．1 可選的開發(fā)工具 167
9．1．1 Lasagne簡介 167
9．1．2 TensorFlow簡介 169
9．1．3 何時(shí)使用這些庫 173
9．2 擴(kuò)展閱讀 174
9．3 小結(jié) 175
附錄 代碼運(yùn)行要求 176