机器学习实战：基于Scikit-Learn和TensorFlow

O’Reilly精品图书系列 机器学习实战：基于Scikit-Learn和TensorFlow Hands-On Machine Learning with Scikit-Learn and TensorFlow：Concepts，Tools，and Techniques for Building Intelligent Systems （法）奥雷利安·杰龙 著 王静源 等译 ISBN：978-7-111-60302-3 本书纸版由机械工业出版社于2018年出版，电子版由华章分社（北京华 章图文信息有限公司，北京奥维博世图书发行有限公司）在中华人民共 和国境内（不包括香港、澳门特别行政区及台湾地区）制作与发行。 版权所有，侵权必究 客服热线：+ 86-10-68995265 客服信箱：service@bbbvip.com 官方网址：www.hzmedia.com.cn 新浪微博 @华章数媒 微信公众号 华章电子书（微信号：hzebook） 目录 O’Reilly Media，Inc.介绍 译者序 前言 第一部分 机器学习基础 第1章 机器学习概览 什么是机器学习 为什么要使用机器学习 机器学习系统的种类 机器学习的主要挑战 测试与验证 练习 第2章 端到端的机器学习项目 使用真实数据 观察大局 获取数据 从数据探索和可视化中获得洞见 机器学习算法的数据准备 选择和训练模型 微调模型 网格搜索 启动、监控和维护系统 试试看 练习 第3章 分类 MNIST 训练一个二元分类器 性能考核 多类别分类器 错误分析 多标签分类 多输出分类 练习 第4章 训练模型 线性回归 梯度下降 多项式回归 学习曲线 正则线性模型 练习 第5章 支持向量机 线性SVM分类 非线性SVM分类 SVM回归 工作原理 训练目标 练习 第6章 决策树 决策树训练和可视化 做出预测 估算类别概率 CART训练算法 计算复杂度 基尼不纯度还是信息熵 正则化超参数 回归 不稳定性 练习 第7章 集成学习和随机森林 投票分类器 bagging和pasting Random Patches和随机子空间 随机森林 提升法 堆叠法 练习 第8章 降维 数据降维的主要方法 PCA 核主成分分析 局部线性嵌入 其他降维技巧 练习 第二部分 神经网络和深度学习 第9章 运行TensorFlow 安装 创建一个计算图并在会话中执行 管理图 节点值的生命周期 TensorFlow中的线性回归 实现梯度下降 给训练算法提供数据 保存和恢复模型 用T......