開啟 App
跳到主要內容
IP : 216.73.216.209
會員登入
語系選單
繁體中文
简体中文
English
全館分類
圖書分類
學科分類
商管‧財經
管理‧領導
廣告‧行銷
傳記
工作‧職場
投資理財
電子商務
溝通‧談判
創業
經濟
會計‧統計
貿易
財務‧金融
企業經營
產業調查報告
多媒體電子書
語言學習
童書
其他
文學‧小說
華文現代文學
中國古典文學
中文文學評論
日本文學
英美文學
世界文學
外國文學評論
大眾讀物
推理/驚悚小說
科幻/奇幻小說
武俠/歷史小說
言情小說
青少年文學
其他
設計‧藝術
工業設計
建築
室內設計
視覺設計
攝影
電影
音樂
表演藝術
美術
工藝
其他
生活
飲食文化
食譜
生活保健
運動
園藝/寵物
旅遊
命理/占卜
兩性
勵志
時尚風潮
收藏
手作/DIY
筆記書
其他休閒娛樂
圖文‧漫畫
漫畫
繪本/插畫
其他
科普
綜合科普
天文、地球科學
數/理/化學
動物/植物/生物
參考書
科學史/傳記
環保
人文
中國/臺灣歷史
世界史
哲學
文化研究
語言學
宗教研究
性別研究
圖書資訊學
其他
社科
考古/人類學
社會學
教育學
傳播學
政治學
法律學
區域研究/地理
軍事
其他
親子‧童書
親子教育
兒童繪本
教材
語言學習
嬰幼兒書
學齡前幼兒
兒童文學
知識類
其他
語言
字典
語言工具書
中文
英文
英文檢定/托福
日文
日文檢定
法文
德文
西班牙文
其他語文
電腦
數位生活
網頁設計
數位攝影
影音多媒體
3D/CAD/CAM
行動裝置開發
資料庫
資訊總論
硬體組裝
網路技術
工具軟體
作業系統
程式語言
影像繪圖排版
文書處理軟體
技能檢定測驗
其他
考用‧參考書
國考用書
留學考試
升大專考試用書
小學參考書
升學考試
其他各類考用書
理工農醫
心理學
生物‧生化科學
農漁畜牧
藥學
中醫
醫學用書
工程技術
其他
學術書
文學院
外語學院
社會科學院
傳播暨藝術學院
理學院
管理學院
法學院
工學院
電機資訊學院
生命科學暨獸醫學院
醫學院
政府出版品
國家內政
國防、外交與國際事務
司法、法律事務
地方、縣市行政與觀光
族群、文化與藝術
財政經濟
農業、生態與環保
衛生與醫療
勞工事務與社會福利
綜合行政
向下捲動瀏覽更多
總類
特藏
目錄學;文獻學
圖書資訊學;檔案學
國學
普通類書;普通百科全書
連續性出版品;期刊
普通會社;博物館學
普通論叢
普通叢書
群經
哲學類
哲學總論
思想;學術
中國哲學
東方哲學
西洋哲學
邏輯學
形上學
心理學
美學
倫理學
宗教類
宗教總論
宗教學
佛教
道教
基督教
伊斯蘭教
猶太教
其他宗教
神話
術數;迷信
科學類
科學總論
數學
天文學
物理學
化學
地球科學;地質學
生物科學
植物學
動物學
人類學
應用科學類
應用科學總論
醫藥
家政
農業
工程
礦冶
化學工程
製造
商業:各種營業
商業:經營學
社會科學類
社會科學總論
統計
教育
禮俗
社會學
經濟
財政
政治
法律
軍事
中國史地
史地總論
中國通史
中國斷代史
中國文化史
中國外交史
中國史料
中國地理
中國地方志
中國地理類志
世界史地
世界史地
海洋志
亞洲史地
歐洲史地
美洲史地
非洲史地
大洋洲史地
傳記
文物考古
語言文學類
語言學總論
文學總論
中國文學
中國文學總集
中國文學別集
中國各種文學
東方文學
西洋文學
其他各國文學
新聞學
藝術類
藝術總論
音樂
建築藝術
雕塑
繪畫;書法
攝影;電腦藝術
應用美術
技藝
戲劇
遊藝及休閒活動
向下捲動瀏覽更多
主題書展
本館書架
閱讀專欄
IP:216.73.216.209
最新消息
全館分類
圖書分類
商管‧財經
多媒體電子書
文學‧小說
設計‧藝術
生活
圖文‧漫畫
科普
人文
社科
親子‧童書
語言
電腦
考用‧參考書
理工農醫
學術書
政府出版品
學科分類
總類
哲學類
宗教類
科學類
應用科學類
社會科學類
中國史地
世界史地
語言文學類
藝術類
主題書展
本館書架
閱讀專欄
切換以下語系
繁體中文
简体中文
English
登入
進階/全文搜尋
首頁
理工農醫
詳目頁
:::
我要寫評分/評論
0
人評分過此書
实战机器学习
作者
:
鲍亮 (著)
;
崔江涛 (著)
;
李倩 (著)
出版社
:
清华大学出版社(崧博)
出版日期
:
2021/09/01
閱讀格式
:
EPUB
書籍分類
:
理工農醫
;
學術書
學科分類
:
科學類
ISBN
:
9787302591214
深度学习
机器学习
神经网络
强化学习
正则化
决策树
QRCODE借書
本館館藏
借閱
試閱
借閱規則
當前可使用人數
1
人
等待人數
0
人
借閱天數
14
天
線上看
0
人
丨
借閱中
0
人
已收藏
收藏
追蹤
分享
選擇分享方式
購買此書
推薦本館採購書籍
您可以將喜歡的電子書推薦給圖書館,圖書館會參考讀者意見進行採購
讀者資料
圖書館
:
香港浸會大學 Hong Kong Baptist University
*
姓名
:
請輸入姓名
*
身分
:
請選擇
教師
大專院校學生
行政人員
其他
請選擇您的身分別
系所
:
請輸入系所
*
E-mail
:
※ 我們會寄送一份副本至您填寫的Email中
請輸入Email
電話
:
※ 電話格式為 區碼+電話號碼(ex. 0229235151)/ 手機格式為 0900111111
請輸入電話
*
請輸入驗證碼
:
驗證碼錯誤
更新驗證碼
送出
內容簡介
目錄
本书创作团队核心成员长期从事机器学习方面的理论研究和工程实践,通过项目实战,积累了大量解决问题的方法和经验,并通过本书将自己的经验整理出来,以满足广大读者希望使用机器学习来解决实际问题的需要。
封面页
书名页
版权页
内容简介
前言
本书读者
源码下载与技术支持
本书作者与致谢
目录
第1章 机器学习解决问题流程
1.1 机器学习基础
1.1.1 机器学习定义
1.1.2 机器学习流派
1.1.3 机器学习简史
1.2 机器学习解决实际问题的流程
1.3 机器学习平台介绍
1.3.1 阿里PAI
1.3.2 第四范式先知(Sage EE)
1.3.3 腾讯智能钛机器学习(TI-ML)
1.3.4 中科院EasyML
1.3.5 百度机器学习BML
1.3.6 华为AI开发平台ModelArts
1.3.7 微软Azure机器学习服务
1.3.8 谷歌Cloud AutoML平台
1.3.9 亚马逊SageMaker
1.4 本章小结
第2章 问题分析与建模
2.1 问题分析
2.1.1 明确和理解问题
2.1.2 拆解和定位问题
2.2 数据分析
2.2.1 描述统计分析
2.2.2 相关分析
2.2.3 回归分析
2.2.4 分类分析
2.2.5 聚类分析
2.3 问题建模
2.4 心脏病UCI数据集案例
2.4.1 问题描述
2.4.2 问题分析
2.4.3 数据分析
2.4.4 问题建模
2.5 本章小结
第3章 数据探索与准备
3.1 ETL技术
3.1.1 ETL工作方式
3.1.2 ETL实现模式
3.1.3 ETL发展历程
3.1.4 主流ETL工具
3.2 数据清洗
3.2.1 数据缺失处理
3.2.2 异常值处理
3.3 采样
3.3.1 拒绝采样
3.3.2 重要性采样
3.3.3 马尔可夫链蒙特卡洛采样
3.4 本章小结
第4章 特征工程
4.1 数据预处理
4.1.1 特征缩放
4.1.2 特征编码
4.2 特征选择
4.2.1 过滤式选择Filter
4.2.2 包裹式选择Wrapper
4.2.3 嵌入式选择Embedded
4.3 降维
4.3.1 主成分分析PCA
4.3.2 线性判别分析
4.4 本章小结
第5章 模型训练与评价
5.1 模型选择
5.1.1 基础知识
5.1.2 模型选择的要素
5.2 模型训练
5.2.1 留出法
5.2.2 交叉验证法
5.2.3 自助法
5.3 模型调优
5.3.1 超参数调优
5.3.2 神经架构搜索
5.3.3 元学习
5.4 模型评价
5.4.1 分类问题
5.4.2 回归问题
5.4.3 聚类问题
5.5 本章小结
第6章 模型部署与应用
6.1 机器学习模型格式
6.1.1 scikit-learn
6.1.2 TensorFlow
6.1.3 PyTorch
6.2 机器学习模型部署
6.2.1 模型在平台内应用
6.2.2 将模型封装成可执行脚本
6.2.3 基于容器和微服务的模型部署方式
6.2.4 模型部署方式对比
6.3 模型对外访问接口
6.3.1 REST架构
6.3.2 RPC架构
6.3.3 gRPC架构
6.3.4 模型对外接口对比
6.4 模型更新
6.4.1 如何更新模型
6.4.2 如何进行持续更新
6.5 本章小结
第7章 回归模型
7.1 线性回归
7.1.1 线性回归原理
7.1.2 多项式回归
7.1.3 线性回归案例
7.2 正则线性模型
7.2.1 正则线性模型原理
7.2.2 L1、L2正则化对比
7.3 逻辑回归
7.3.1 逻辑回归原理
7.3.2 逻辑回归案例
7.4 本章小结
第8章 支持向量机
8.1 绪论
8.2 支持向量机原理
8.2.1 函数间隔
8.2.2 对偶问题
8.2.3 软间隔SVM
8.2.4 KKT条件
8.2.5 支持向量
8.2.6 核函数
8.2.7 SMO
8.2.8 合页损失函数
8.3 SVR回归方法
8.4 SVM预测示例
8.5 本章小结
第9章 决策树
9.1 绪论
9.2 决策树基本概念
9.2.1 特征选择
9.2.2 信息增益
9.2.3 信息增益率
9.2.4 基尼系数
9.3 ID3算法
9.4 C4.5算法
9.4.1 决策树生成
9.4.2 决策树剪枝
9.5 CART算法
9.5.1 决策树生成
9.5.2 决策树剪枝
9.6 决策树应用
9.7 本章小结
第10章 集成学习
10.1 bagging与随机森林
10.1.1 bagging
10.1.2 随机森林
10.1.3 随机森林的应用
10.1.4 随机森林的推广
10.2 boosting
10.2.1 Adaboost
10.2.2 前向分步算法
10.2.3 三大框架
10.3 stacking与blending
10.4 本章小结
第11章 K近邻算法
11.1 KNN算法
11.2 距离的表示
11.3 KD树
11.4 KNN心脏病预测实例
11.5 本章小结
第12章 贝叶斯方法
12.1 贝叶斯方法概述
12.2 贝叶斯决策论
12.3 朴素贝叶斯分类器
12.4 贝叶斯网络
12.4.1 贝叶斯网络概念
12.4.2 贝叶斯网络学习
12.4.3 贝叶斯网络推理
12.4.4 贝叶斯网络的应用
12.5 贝叶斯优化
12.5.1 贝叶斯优化框架
12.5.2 概率代理模型
12.5.3 采集函数
12.5.4 贝叶斯优化的应用
12.6 贝叶斯优化迭代过程示例
12.7 本章小结
第13章 聚类算法
13.1 聚类的评价指标
13.2 距离计算
13.3 聚类算法
13.3.1 基于层次的算法
13.3.2 基于分割的算法
13.3.3 基于密度的算法
13.4 本章小结
第14章 关联规则学习
14.1 关联规则学习概述
14.2 频繁项集
14.3 Apriori算法
14.4 FP-growth算法
14.5 本章小结
第15章 神经网络基础
15.1 神经网络概述
15.2 神经网络原理
15.2.1 神经元
15.2.2 损失函数
15.2.3 激活函数
15.2.4 正向传播
15.2.5 反向传播
15.3 前馈神经网络
15.3.1 前馈神经网络概述
15.3.2 MNIST数据集多分类应用
15.4 本章小结
第16章 正则化
16.1 正则化概述
16.2 数据集增强
16.3 提前终止
16.4 Dropout
16.5 Batch Normalization
16.6 本章小结
第17章 深度学习中的优化
17.1 优化技术概述
17.2 优化原理
17.2.1 标准化
17.2.2 梯度下降
17.2.3 参数初始化
17.3 自适应优化方法
17.4 参数初始化方法
17.5 本章小结
第18章 卷积神经网络
18.1 卷积神经网络概述
18.2 卷积神经网络原理
18.2.1 局部连接
18.2.2 权值共享
18.2.3 池化层
18.3 卷积神经网络的新方法
18.3.1 1D/2D/3D卷积
18.3.2 1×1卷积
18.3.3 空洞卷积
18.3.4 全卷积神经网络
18.4 卷积神经网络的应用
18.4.1 卷积神经网络的发展
18.4.2 MNIST数据集分类示例
18.5 本章小结
第19章 循环神经网络
19.1 循环神经网络概述
19.2 循环神经网络原理
19.2.1 展开计算图
19.2.2 循环神经网络
19.2.3 长期依赖
19.2.4 LSTM
19.2.5 GRU
19.2.6 双向RNN
19.2.7 深度循环网络
19.2.8 基于编码‒解码的序列到序列架构
19.3 各种RNN的优缺点及应用场景
19.4 时间序列预测问题示例
19.5 本章小结
第20章 自编码器
20.1 绪论
20.2 自编码器原理
20.2.1 经典自编码器
20.2.2 去噪自编码器
20.2.3 稀疏自编码器
20.2.4 变分自编码器
20.2.5 堆叠自编码器
20.2.6 与神经网络融合的编码器
20.3 自编码器优缺点及应用场景
20.4 自编码器应用
20.5 本章小结
第21章 基于深度学习的语音分离方法
21.1 问题背景
21.2 问题定义
21.3 相关工作
21.4 VoiceFilter的实现方法
21.4.1 说话人编码器
21.4.2 声谱掩码网络
21.4.3 实验效果
21.5 本章小结
第22章 基于深度学习的图像去水印方法
22.1 图像去水印的研究背景
22.2 图像修复问题的定义
22.3 图像修复的相关工作
22.3.1 传统修复方法
22.3.2 基于深度学习的修复方法
22.3.3 修复效果评价指标
22.3.4 常用数据集
22.4 方法实现
22.4.1 基于内容编码器的生成网络模型
22.4.2 损失函数设计
22.4.3 算法步骤
22.4.4 实验结果展示
22.5 本章小结
第23章 基于LSTM的云环境工作负载预测方法
23.1 工作负载预测的研究背景
23.2 工作负载预测问题的定义
23.3 工作负载预测的相关工作
23.3.1 循环神经网络
23.3.2 门控循环单元
23.4 基于LSTM的工作负载预测
23.4.1 负载数据预处理
23.4.2 LSTM预测模型
23.4.3 实验结果与分析
23.5 本章小结
第24章 基于QoS的服务组合问题
24.1 服务组合问题的研究背景
24.2 半自动服务组合问题的定义
24.3 服务组合问题的相关工作
24.3.1 求解最优解的方法
24.3.2 基于元启发式算法的方法
24.3.3 基于强化学习的方法
24.4 Q-learning算法
24.5 Q-learning算法的实现
24.5.1 状态集设计
24.5.2 动作集设计
24.5.3 回报函数设计
24.5.4 Q-learning算法步骤
24.5.5 实验结果展示
24.6 本章小结
第25章 基于强化学习的投资组合方法
25.1 投资组合问题的研究背景
25.2 投资组合指数增强问题的定义
25.2.1 符号定义
25.2.2 基本假设
25.2.3 问题描述
25.2.4 个股收益率和指数收益率
25.2.5 目标函数
25.2.6 约束条件
25.2.7 问题的完整定义
25.3 投资组合问题的研究方法
25.3.1 基于统计模型的方法
25.3.2 启发式算法
25.3.3 基于学习的算法
25.4 深度确定性策略梯度算法
25.5 投资组合问题的实现方法
25.5.1 数据探索与准备
25.5.2 模型训练与评价
25.5.3 实验结果及分析
25.6 本章小结
第26章 基于GAN模型的大数据系统参数优化方法
26.1 大数据系统参数优化的研究背景
26.2 大数据系统参数优化问题的定义
26.3 大数据系统参数优化的方法
26.3.1 基于模型的大数据系统参数优化方法
26.3.2 基于评估的大数据系统参数优化方法
26.3.3 基于搜索的大数据系统参数优化方法
26.3.4 基于学习的大数据系统参数优化方法
26.3.5 大数据系统参数优化问题的流程
26.4 ACTGAN方法
26.4.1 动机
26.4.2 原理
26.4.3 具体过程
26.4.4 实验结果
26.5 本章小结
26.5.1 总结
26.5.2 展望
附录1 名词及解释
附录2 数据集
参考文献
詳細資訊
國際計量
出版地
:
中國大陸
語言
:
簡體中文
实战机器学习
評分與評論
請登入後再留言與評分
看更多
相似主題
推薦閱讀
EPUB
0
2020
AI制胜:机器学习极简入门
EPUB
0
2021
机器学习导论
EPUB
0
2022
大数据征信及智能评估:征信大数据挖掘与智能分析技术
EPUB
0
2020
深度学习笔记
EPUB
0
2020
Python人工智能开发从入门到精通
PDF
0
2025
全面掌握Gemini 開發實務:輕鬆駕馭Google AI引擎
PDF
0
2025
AI投資理財賺錢術:No Code也能賺大錢
PDF
0
2025
ChatGPT全新功能:4o/o1/o3、Reason、Search、Canvas、Projects、Voice、Sora - 推理、搜尋、畫布、專案、語音、視訊、影片-開創AI無限可能
PDF
0
2025
零基礎快速入門:利用 AI 輕鬆打造個人專屬自動化程式
EPUB
0
2025
AI來了,你還不開始準備嗎?:人工智慧正全面改寫你的生活、職涯與競爭力
幫助
您好,請問需要甚麼幫助呢?
使用指南
借閱規則
使用教學
常見問題
下載書紐教育版
客服專線:0800-000-747
服務時間:週一至週五 AM 09:00~PM 06:00
聯絡我們
loading