定 价:¥138.00
作 者: | 杰夫·普罗西斯 |
出版社: | 清华大学出版社 |
丛编项: | |
标 签: | 暂缺 |
ISBN: | 9787302635239 | 出版时间: | 2023-07-01 | 包装: | 平装-胶订 |
开本: | 16开 | 页数: | 字数: |
第I 分 用Scikit-Learn 进行机器学
第1 章 机器学 3
1.1 什么是机器学 4
1.1.1 机器学与人工智能 7
1.1.2 监督和无监督学 9
1.2 使用k-means 聚类算法的无监督学 10
1.2.1 将k-means 聚类算法应用于客户数据 13
1.2.2 使用两个以上的维度对客户进行细分 16
1.3 监督学 19
1.3.1 k 近邻 22
1.3.2 使用k 近邻对花卉进行分类 24
1.4 小结 28
第2 章 回归模型 30
2.1 线性回归 30
2.2 决策树 34
2.3 随机森林 37
2.4 梯度提升机 39
2.5 支持向量机 41
2.6 回归模型的度测量 42
2.7 使用回归来预测车费 46
2.8 小结 51
第3 章 分类模型 53
3.1 逻辑回归 54
3.2 分类模型的率度量 56
3.3 分类数据 61
3.4 二分类 63
3.4.2 检测信用卡欺诈 68
3.5 多分类 73
3.6 构建数字识别模型 74
3.7 小结 78
第4 章 文本分类 80
4.1 准备用于分类的文本 81
4.2 情感分析 84
4.3 朴素贝叶斯 88
4.4 垃圾邮件过滤 91
4.5 推荐系统 95
4.5.1 余弦相似性 96
4.5.2 构建一个电影推荐系统 98
4.6 小结 100
第5 章 支持向量机 102
5.1 支持向量机的工作原理 102
5.1.1 核 105
5.1.2 核技巧 106
5.2 参数调整 109
5.3 数据归一化 112
5.4 管道化 117
5.5 使用SVM 进行面识别 118
5.6 小结 124
第6 章 主成分分析 126
6.1 理解主成分分析 127
6.2 噪声过滤 133
6.3 数据匿名化 135
6.4 可视化高维数据 137
6.5 异常检测 140
6.5.1 使用PCA 检测信用卡欺诈 141
6.5.2 使用PCA 来预测轴承故障 145
6.5.3 多变量异常检测 150
6.6 小结 151
第7 章 机器学模型的作化 152
7.1 从Python 客户端使用Python 模型 153
7.2 pkl 文件的版本管理 157
7.3 从C# 客户端使用Python 模型 157
7.4 容器化机器学模型 160
7.5 使用ONNX 来桥接不同的语言 161
7.6 用ML.NET 在C# 中构建ML 模型 165
7.6.1 用ML.NET 进行情感分析 166
7.6.2 存和加载ML.NET 模型 169
7.7 为Excel 添加机器学功能 169
7.8 小结 173
第II 分 用Keras 和TensorFlow 进行深度学
第8 章 深度学 177
8.1 了解经网络 178
8.2 训练经网络 182
8.3 小结 185
第9 章 经网络 187
9.1 用Keras 和TensorFlow 构建经网络 188
9.1.1 设定经网络的大小 192
9.1.2 使用经网络来预测车费 193
9.2 用经网络进行二分类 197
9.2.1 进行预测 199
9.2.2 训练经网络来检测信用卡欺诈 200
9.3 用经网络进行多分类 204
9.4 训练经网络进行面识别 207
9.5 Dropout 210
9.6 存和加载模型 211
9.7 Keras 回调 213
9.8 小结 216
第10 章 用卷积经网络进行图像分类 218
10.1 理解CNN 219
10.1.1 使用Keras 和TensorFlow 来构建CNN 223
10.1.2 训练CNN 来识别北野生动物 227
10.2 预训练CNN 232
10.3 使用ResNet50V2 对图像分类 235
10.4 转移学 237
10.5 通过转移学来识别北野生动物 240
10.6 数据增强 243
10.6.1 用ImageDataGenerator 进行图像增强 244
10.6.2 使用增强层进行图像增强 247
10.6.3 将图像增强应用于北野生动物 248
10.7 全局池化 251
10.8 用CNN 进行音频分类 252
10.9 小结 259
第11 章 面检测和识别 261
11.1 人脸检测 262
11.1.1 用Viola-Jones 算法进行人脸检测 263
11.1.2 使用Viola-Jones 的OpenCV 实现 265
11.1.3 用卷积经网络检测人脸 267
11.1.4 从照片中提取人脸 271
11.2 面识别 273
11.2.1 将迁移学应用于人脸识别 274
11.2.2 用任务定的权重强化转移学 277
11.2.3 ArcFace 280
11.3 综合运用:检测和识别照片中的人脸 281
11.4 处理未知人脸:闭集和开集分类 287
11.5 小结 288
第12 章 目标检测 290
12.1 R-CNN 291
12.2 Mask R-CNN 294
12.3 YOLO 300
12.4 YOLOv3 和Keras 302
12.5 自定义目标检测 307
12.5.1 用自定义视觉服务训练自定义目标检测模型 308
12.5.2 使用导出的模型 315
12.6 小结 317
第13 章 自然语言处理 318
13.1 文本准备 319
13.2 词嵌入 322
13.3 文本分类 323
13.3.1 自动化文本矢量处理 327
13.3.2 在情感分析模型中使用TextVectorization 328
13.3.3 将词序纳入预测的因素 330
13.3.4 循环经网络(RNN) 331
13.3.5 使用预训练模型进行文本分类 333
13.4 经机器翻译 335
13.4.1 LSTM 编码器- 解码器 336
13.4.2 Transformer 编码器- 解码器 338
13.4.3 构建基于Transformer 的NMT 模型 340
13.4.4 使用预训练模型来翻译文本 349
13.5 基于变换器的双向编码器(BERT) 350
13.5.1 构建基于BERT 的答题系统 352
13.5.2 调BERT 以进行情感分析 355
13.6 小结 359
第14 章 Azure 认知服务 361
14.1 Azure 认知服务简介 362
14.1.1 密钥和结点 364
14.1.2 调用Azure 认知服务API 367
14.1.3 Azure 认知服务容器 369
14.2 计算机视觉服务 371
14.3 语言服务 380
14.4 翻译服务 383
14.5 语音服务 385
14.6 集大成者Contoso Travel 386
14.7 小结 391