機器學習實踐

內容簡介

本書圍繞數據、算法、模型三要素，研究選取不同算法從歷史數據中獲取經驗，並歸納出模型進行預測與最佳化的系列理論與技術，是涉及計算機科學、機率統計、決策論等多個學科的多領域交叉學科。本書套用開源深度學習框架PaddlePaddle，從問題定義、數據收集、特徵工程、模型訓練、模型評估、模型套用方面，層層深入、循序漸進地剖析機器學習中極具代表性的基礎實踐，理論翔實，代碼精細，是一本實用性較強的入門實踐教輔材料。

圖書目錄

第1章Python基礎實踐

實踐一：海量檔案遍歷

實踐二：簡單計算器實現

實踐三：圖像直方圖統計

實踐四：文本詞頻分析

第2章數據爬取與分析

實踐五：明星圖片爬取

實踐六：股票行情爬取與分析

實踐七：科比職業生涯數據爬取與分析

第3章機器學習基礎實踐

實踐八：基於線性回歸實現房價預測

實踐九：基於邏輯回歸模型實現手寫數字識別

實踐十：基於樸素貝葉斯實現文本分類

實踐十一：基於支持向量機實現鳶尾花分類

實踐十二：基於Kmeans實現鳶尾花聚類

第4章神經網路基礎實驗

實踐十三：基於全連線神經網路實現房價預測

實踐十四：基於全連線神經網路實現寶石分類

實踐十五：基於高層API實現寶石分類

第5章計算機視覺基礎實驗

實踐十六：圖像數據預處理實踐

實踐十七：基於卷積神經網路實現美食分類

實踐十八：基於VGG16實現中草藥分類

實踐十九：基於ResNet50實現CIFAR10數據集分類

第6章自然語言處理基礎實驗

實踐二十：文本數據處理實踐

實踐二十一：基於CBOW實現Word2Vec

實踐二十二：基於Skipgram實現Word2Vec

實踐二十三：基於循環神經網路實現情感分類

實踐二十四：基於LSTM實現謠言檢測

實踐二十五：基於GRU實現情感分類

第7章深度學習前沿套用

實踐二十六：目標檢測

實踐二十七：圖像風格遷移

實踐二十八：圖像分類FineTuning

實踐二十九：文本審核

實踐三十：文本生成

實踐三十一：文本分類FineTuning

參考文獻

機器學習實踐

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條