Uczenie_maszynowe_z_uzyciem_Scikit_Learn_i_TensorFlow_uczema.pdf

(2553 KB) Pobierz
Tytuł oryginału: Hands-On Machine Learning with Scikit-Learn and TensorFlow
Tłumaczenie: Krzysztof Sawka
ISBN: 978-83-283-4373-3
© 2018 Helion S.A.
Authorized Polish translation of the English edition of Hands-On Machine Learning
with Scikit-Learn and TensorFlow ISBN 9781491962299 © 2017 Aurélien Géron
This translation is published and sold by permission of O’Reilly Media, Inc.,
which owns or controls all rights to publish and sell the same.
All rights reserved. No part of this book may be reproduced or transmitted in any form or by any means,
electronic or mechanical, including photocopying, recording or by any information storage retrieval system,
without permission from the Publisher.
Wszelkie prawa zastrzeżone. Nieautoryzowane rozpowszechnianie całości lub fragmentu niniejszej
publikacji w jakiejkolwiek postaci jest zabronione. Wykonywanie kopii metodą kserograficzną,
fotograficzną, a także kopiowanie książki na nośniku filmowym, magnetycznym lub innym powoduje
naruszenie praw autorskich niniejszej publikacji.
Wszystkie znaki występujące w tekście są zastrzeżonymi znakami firmowymi bądź towarowymi ich
właścicieli.
Autor oraz Wydawnictwo HELION dołożyli wszelkich starań, by zawarte w tej książce informacje były
kompletne i rzetelne. Nie biorą jednak żadnej odpowiedzialności ani za ich wykorzystanie, ani za związane
z tym ewentualne naruszenie praw patentowych lub autorskich. Autor oraz Wydawnictwo HELION nie
ponoszą również żadnej odpowiedzialności za ewentualne szkody wynikłe z wykorzystania informacji
zawartych w książce.
Wydawnictwo HELION
ul. Kościuszki 1c, 44-100 GLIWICE
tel. 32 231 22 19, 32 230 98 63
e-mail:
helion@helion.pl
WWW:
http://helion.pl
(księgarnia internetowa, katalog książek)
Drogi Czytelniku!
Jeżeli chcesz ocenić tę książkę, zajrzyj pod adres
http://helion.pl/user/opinie/uczema
Możesz tam wpisać swoje uwagi, spostrzeżenia, recenzję.
Printed in Poland.
•
Kup książkę
•
Poleć książkę
•
Oceń książkę
•
Księgarnia internetowa
•
Lubię to! » Nasza społeczność
Spis treści
Przedmowa .............................................................................................................. 13
Część I. Podstawy uczenia maszynowego
Czym jest uczenie maszynowe?
Dlaczego warto korzystać z uczenia maszynowego?
Rodzaje systemów uczenia maszynowego
Uczenie nadzorowane/nienadzorowane
Uczenie wsadowe/przyrostowe
Uczenie z przykładów/z modelu
Główne problemy uczenia maszynowego
Niedobór danych uczących
Niereprezentatywne dane uczące
Dane kiepskiej jakości
Nieistotne cechy
Przetrenowanie danych uczących
Niedotrenowanie danych uczących
Podsumowanie
Testowanie i ocenianie
Ćwiczenia
21
24
24
27
28
34
37
42
42
43
45
45
45
47
48
48
50
1. Krajobraz uczenia maszynowego ............................................................................... 23
2. Nasz pierwszy projekt uczenia maszynowego ............................................................. 53
Praca z rzeczywistymi danymi
Przeanalizuj całokształt projektu
Określ zakres problemu
Wybierz metrykę wydajności
Sprawdź założenia
53
55
55
57
59
3
Kup książkę
Poleć książkę
Zdobądź dane
Stwórz przestrzeń roboczą
Pobierz dane
Rzut oka na strukturę danych
Stwórz zbiór testowy
Odkrywaj i wizualizuj dane, aby zdobywać nowe informacje
Wizualizowanie danych geograficznych
Poszukiwanie korelacji
Eksperymentowanie z kombinacjami atrybutów
Przygotuj dane pod algorytmy uczenia maszynowego
Oczyszczanie danych
Obsługa tekstu i atrybutów kategorialnych
Niestandardowe transformatory
Skalowanie cech
Potoki transformujące
Wybór i uczenie modelu
Trenowanie i ocena modelu za pomocą zbioru uczącego
Dokładniejsze ocenianie za pomocą sprawdzianu krzyżowego
Wyreguluj swój model
Metoda przeszukiwania siatki
Metoda losowego przeszukiwania
Metody zespołowe
Analizuj najlepsze modele i ich błędy
Oceń system za pomocą zbioru testowego
Uruchom, monitoruj i utrzymuj swój system
Teraz Twoja kolej!
Ćwiczenia
59
59
62
63
67
71
71
73
76
77
78
80
81
82
83
85
85
86
88
88
90
91
91
92
92
93
94
3. Klasyfikacja ............................................................................................................... 95
Zbiór danych MNIST
Uczenie klasyfikatora binarnego
Miary wydajności
Pomiar dokładności za pomocą sprawdzianu krzyżowego
Macierz pomyłek
Precyzja i pełność
Kompromis pomiędzy precyzją a pełnością
Wykres krzywej ROC
Klasyfikacja wieloklasowa
Analiza błędów
Klasyfikacja wieloetykietowa
Klasyfikacja wielowyjściowa
Ćwiczenia
4
Spis treści
Poleć książkę
95
97
98
98
100
101
102
106
108
111
114
115
117
Kup książkę
4. Uczenie modeli ........................................................................................................119
Regresja liniowa
Równanie normalne
Złożoność obliczeniowa
Gradient prosty
Wsadowy gradient prosty
Stochastyczny spadek wzdłuż gradientu
Schodzenie po gradiencie z minigrupami
Regresja wielomianowa
Krzywe uczenia
Regularyzowane modele liniowe
Regresja grzbietowa
Regresja metodą LASSO
Metoda elastycznej siatki
Wczesne zatrzymywanie
Regresja logistyczna
Szacowanie prawdopodobieństwa
Funkcje ucząca i kosztu
Granice decyzyjne
Regresja softmax
Ćwiczenia
120
121
123
124
127
130
132
133
135
139
139
141
143
144
145
146
146
148
150
153
5. Maszyny wektorów nośnych .....................................................................................155
Liniowa klasyfikacja SVM
Klasyfikacja miękkiego marginesu
Nieliniowa klasyfikacja SVM
Jądro wielomianowe
Dodawanie cech podobieństwa
Gaussowskie jądro RBF
Złożoność obliczeniowa
Regresja SVM
Mechanizm działania
Funkcja decyzyjna i prognozy
Cel uczenia
Programowanie kwadratowe
Problem dualny
Kernelizowane maszyny SVM
Przyrostowe maszyny SVM
Ćwiczenia
155
156
158
159
160
161
163
163
165
165
166
168
169
170
172
173
Spis treści
Kup książkę
5
Poleć książkę

Plik z chomika:

Inne pliki z tego folderu:

Inne foldery tego chomika:

Zgłoś jeśli naruszono regulamin