机器学习实战_基于Scikit-Learn、Keras和TensorFlow_原书第2版_Aurélien Géron.pdf

O’Reilly精品图书系列 机器学习实战：基于Scikit-Learn、Keras和 TensorFlow：原书第2版 Hands-On Machine Learning with Scikit- Learn，Keras，and TensorFlow：Concepts， Tools，and Techniques to Build Intelligent Systems，Second Edition （法）奥雷利安·杰龙　著 宋能辉　李娴　译 ISBN：978-7-111-66597-7 本书纸版由机械工业出版社于2020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（不包括中国香港、澳门特别行政区及中国台湾地区） 制作与发行。 版权所有，侵权必究 客服热线：+ 86-10-68995265 客服信箱：[email protected] 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 推荐序 译者序 前言 第一部分　机器学习的基础知识 第1章　机器学习概览 1.1　什么是机器学习 1.2　为什么使用机器学习 1.3　机器学习的应用示例 1.4　机器学习系统的类型 1.5　机器学习的主要挑战 1.6　测试与验证 1.7　练习题 第2章　端到端的机器学习项目 2.1　使用真实数据 2.2　观察大局 2.3　获取数据 2.4　从数据探索和可视化中获得洞见 2.5　机器学习算法的数据准备 2.6　选择和训练模型 2.7　微调模型 2.8　启动、监控和维护你的系统 2.9　试试看 2.10　练习题 第3章　分类 3.1　MNIST 3.2　训练二元分类器 3.3　性能测量 3.4　多类分类器 3.5　误差分析 3.6　多标签分类 3.7　多输出分类 3.8　练习题 第4章　训练模型 4.1　线性回归 4.2　梯度下降 4.3　多项式回归 4.4　学习曲线 4.5　正则化线性模型 4.6　逻辑回归 4.7　练习题 第5章　支持向量机 5.1　线性SVM分类 5.2　非线性SVM分类 5.3　SVM回归 5.4　工作原理 5.5　练习题 第6章　决策树 6.1　训练和可视化决策树 6.2　做出预测 6.3　估计类概率 6.4　CART训练算法 6.5　计算复杂度 6.6　基尼不纯度或熵 6.7　正则化超参数 6.8　回归 6.9　不稳定性 6.10　练习题 第7章　集成学习和随机森林 7.1　投票分类器 7.2　bagging和pasting 7.3　随机补丁和随机子空间 7.4　随机森林 7.5　提升法 7.6　堆叠法 7.7　练习题 第8章　降维 8.1　维度的诅咒 8.2　降维的主要方法 8.3　PCA 8.4　内核PCA 8.5　LLE 8.6　其他降维技术 8.7　练习题 第9章　无监督学习技术 9.1　聚类 9.2　高斯混合模型 9.3　练习题 第二部分　神经网络与深度学习 第10章　Kera