0人評分過此書
機器學習入門：使用Scikit-Learn與TensorFlow
內容簡介:◎從機器學習的基礎知識開始，逐步建構相關的延伸應用。
◎以經典範例搭配步驟化解說，帶領讀者掌握應用的訣竅！
．使用Kaggle網站的資料集，讀者可以透過本書所提供連結或關鍵字搜尋下載。
．使用Pandas與Numpy處理與分析資料。
．以Scikit-Learn實作監督式學習－線性廻歸、邏輯廻歸、決策樹、K-近鄰演算法、支援向量機，以及非監督式學習－K-means分群與階層式分群。
．使用TensorFlow建立神經網路進行運算，實作前向傳播算法與反向傳播算法的運算過程。
．介紹卷積神經網路的概念與運算過程，並使用TensorFlow 建立卷積神經網路進行運算。
◎以經典範例搭配步驟化解說，帶領讀者掌握應用的訣竅！
．使用Kaggle網站的資料集，讀者可以透過本書所提供連結或關鍵字搜尋下載。
．使用Pandas與Numpy處理與分析資料。
．以Scikit-Learn實作監督式學習－線性廻歸、邏輯廻歸、決策樹、K-近鄰演算法、支援向量機，以及非監督式學習－K-means分群與階層式分群。
．使用TensorFlow建立神經網路進行運算，實作前向傳播算法與反向傳播算法的運算過程。
．介紹卷積神經網路的概念與運算過程，並使用TensorFlow 建立卷積神經網路進行運算。
-
chapter 1 開發環境介紹
-
1-1 安裝Anaconda
-
1-2 使用conda啟用虛擬環境與安裝套件
-
1-3 在Windows啟用Jupyter Notebook
-
1-4 Jupyter Notebook的快速鍵
-
1-5 使用Google Colab執行Python程式
-
-
chapter 2 Pandas與Numpy 簡介
-
2-1 Pandas的Series
-
2-1-1 建立Series
-
2-1-2 修改、刪除與串接Series
-
2-1-3 統計功能
-
2-1-4 篩選功能
-
2-1-5 排序功能
-
-
2-2 Pandas的DataFrame
-
2-2-1 建立DataFrame
-
2-2-2 顯示DataFrame
-
2-2-3 修改DataFrame
-
2-2-4 使用iloc與loc擷取DataFrame
-
2-2-5 在DataFrame篩選與找尋資料
-
-
2-3 NumPy的重要功能
-
2-3-1 建立ndarray
-
2-3-2 修改維度
-
2-3-3 修改資料型別
-
2-3-4 算數、比較與矩陣運算
-
-
-
chapter 3 線性迴歸
-
3-1 線性迴歸的運作原理
-
3-2 使用sklearn實作線性迴歸
-
3-3 線性迴歸模型實作範例
-
3-3-1 預測體重
-
3-3-2 預測房價
-
-
3-4 習題
-
-
chapter 4 邏輯迴歸
-
4-1 邏輯迴歸的運作原理
-
4-2 使用sklearn實作邏輯迴歸
-
4-3 邏輯迴歸模型實作範例
-
4-3-1 使用邏輯迴歸分類鳶尾花
-
4-3-2 使用邏輯迴歸分類病人是否有糖尿病
-
-
4-4 習題
-
-
chapter 5 決策樹
-
5-1 決策樹的運作過程
-
5-2 使用sklearn實作決策樹
-
5-3 決策樹模型實作範例
-
5-3-1 使用決策樹分類病人用藥
-
5-3-2 使用隨機森林分類病人用藥
-
-
5-4 習題
-
-
chapter 6 K-近鄰演算法
-
6-1 K-近鄰演算法的運作過程
-
6-2 使用sklearn實作K-近鄰演算法
-
6-3 K-近鄰演算法模型實作範例
-
6-3-1 使用K-近鄰演算法預估鳶尾花種類
-
6-3-2 使用K-近鄰演算法預估蘑菇是否有毒
-
-
6-4 習題
-
-
chapter 7 支援向量機
-
7-1 支援向量機演算法的運作過程
-
7-2 使用sklearn實作支援向量機
-
7-3 支援向量機模型實作範例
-
7-3-1 使用支援向量機判斷心臟病
-
7-3-2 使用支援向量機判斷人的活動狀態
-
-
7-4 習題
-
-
chapter 8 K-means分群
-
8-1 K-means分群的運作過程
-
8-2 使用sklearn實作K-means分群
-
8-3 使用K-means分群實作範例
-
8-3-1 使用K-means對消費者進行分群
-
-
8-4 習題
-
-
chapter 9 階層式分群
-
9-1 階層式分群的運作過程
-
9-2 使用sklearn實作階層式分群
-
9-3 階層式分群實作範例
-
9-3-1 使用階層式分群預估鳶尾花種類
-
-
9-4 習題
-
-
chapter 10 神經網路
-
10-1 神經網路的神經元
-
10-2 線性可分割與非線性可分割
-
10-3 神經網路的運作
-
10-3-1 神經網路的運作原理
-
10-3-2 神經網路的運作範例
-
-
10-4 使用keras實作神經網路
-
10-4-1 使用keras實作邏輯閘XOR
-
-
10-5 激勵函式
-
10-6 Loss函式
-
10-7 學習率與優化器
-
10-8 使用手寫數字辨識為範例
-
10-9 習題
-
-
chapter 11 卷積神經網路
-
11-1 卷積神經網路模型運作原理
-
11-2 使用keras實作卷積神經網路
-
11-3 卷積神經網路實作範例
-
11-3-1 使用卷積神經網路辨識手寫數字
-
-
11-4 習題
-
-
chapter 12 使用Cifar-10圖庫訓練卷積神經網路
-
12-1 使用卷積神經網路辨識Cifar-10圖庫
-
12-2 使用更複雜的卷積神經網路辨識Cifar-10圖庫
-
12-3 習題
-
-
chapter 13 預先訓練的模型
-
13-1 使用VGG16辨識圖片
-
13-2 顯示VGG16模型的組成
-
13-3 習題
-
-
chapter 14 中文文字分析與中文語音相關功能實作
-
14-1 使用Spacy分析中文句子
-
14-2 使用Spacy找出最相似的五個新聞標題
-
14-3 實作語音辨識與文字轉語音功能
-
14-4 習題
-
- 出版地 ： 臺灣
- 語言 ： 繁體中文
評分與評論
請登入後再留言與評分
PDF
PDF
PDF
PDF
PDF
