• 北京现代ENCINO领衔 老爸心仪座驾推荐 2019-04-14
  • 父母不尊重孩子的五个表现 进来看看你有没有 2019-04-09
  • 个税起征点若提到5000元 对你的收入有啥影响? 2019-03-30
  • 机关党建创新案例集锦 2019-03-30
  • 童国华委员:预计今年下半年5G进入规模试验阶段 2019-03-29
  • 中国核电的逆袭之路,就是中国发展成功之路的缩影。 2019-03-22
  • 家用高配置之选 四款合资紧凑级车推荐 2019-03-14
  • 期末,就是考验班主任文笔之时 2019-03-14
  • 故事新西兰强震致民宅破坏严重 超市遭抢购 2019-03-08
  • 这是全国精气最为集中的地方 被称为中国丹田所在 ——凤凰网房产 2019-03-08
  • 地方“武教头”走进军营辅导授课 2019-03-06
  • 西安幼升小入学难问题出在哪儿教育部门将统筹协调安排 2019-02-27
  • 高清克罗地亚队备战训练 莫德里奇神情轻松 2019-02-27
  • 夏日阳光舒适 大熊猫宝宝悠闲自得 2019-02-24
  • 新型光合作用可利用近红外光 2019-02-22
  • Java知识分享网 - 轻松学习从此开始!????

    陕西快乐十分今天开奖:山西快乐十分历史开奖

    Java1234官方群23:java1234官方群23
    Java1234官方群23:965165841

    006项目-百度云搜索引擎开源?。?!

    领取微信扫码登录Java实现视频教程

    Java1234 VIP资源!

    IT口袋网,几万G最新视频教程等你来学?。?!

    SpringBoot打造企业级进销存

    领取QQ第三方登录视频教程

    做活动,领取支付宝在线支付完整视频教程

    Java毕业设计定做(包查重)

    007项目-资源分享平台开源??!

    Java1234至尊VIP(劳动节特价活动)

    机器学习实践测试驱动的开发方法 PDF 下载


    分享到:
    时间:2019-03-20 16:38来源:https://download.csdn.net/ 作者:转载
    机器学习实践测试驱动的开发方法 PDF 下载
    提醒:假如百度云分享链接失效,请联系站长,我会补上的。
    机器学习实践测试驱动的开发方法 PDF 下载

    转载自:https://download.csdn.net/download/weixin_39528395/10198882
     
    本站整理下载:
     
    用户下载说明:
    电子版仅供预览,下载后24小时内务必删除,支持正版,喜欢的请购买正版书籍:
    //product.dangdang.com/23752080.html
      
    相关截图:


    资源简介:
    《机器学习实践:测试驱动的开发方法》面技术开发人员、CTO和咨询顾问人员,介绍了机器学习的基本原理,涵盖了测试驱动的机器学习、机器学习概述、K近邻分类、朴素贝叶斯分类、隐马尔科夫模型、支持向量机、神经网络、聚类、核岭回归、模型改进与数据提取等内容。

    资料目录:
    目录
    前言 xi
    第1章 测试驱动的机器学习 1
    1.1 TDD的历史 2
    1.2 TDD与科学方法 2
    1.2.1 TDD可构建有效的逻辑命题 3
    1.2.2 TDD要求你将假设以文字或代码的形式记录下来 5
    1.2.3 TDD和科学方法的闭环反馈机制 5
    1.3 机器学习中的风险 5
    1.3.1 数据的不稳定性 6
    1.3.2 欠拟合 6
    1.3.3 过拟合 7
    1.3.4 未来的不可预测性 8
    1.4 为降低风险应采用的测试 8
    1.4.1 利用接缝测试减少数据中的不稳定因素 8
    1.4.2 通过交叉验证检验拟合效果 9
    1.4.3 通过测试训练速度降低过拟合风险 10
    1.4.4 检测未来的精度和查全率漂移情况 11
    1.5 小结 11
    第2章 机器学习概述 13
    2.1 什么是机器学习 13
    2.1.1 有监督学习 13
    2.1.2 无监督学习 14
    2.1.3 强化学习 15
    2.2 机器学习可完成的任务 15
    2.3 本书采用的数学符号 16
    2.4 小结 16
    第3章 K 近邻分类 17
    3.1 K近邻分类的历史 18
    3.2 基于邻居的居住幸福度 18
    3.3 如何选择K 21
    3.3.1 猜测K的值 21
    3.3.2 选择K的启发式策略 21
    3.3.3 K的选择算法 24
    3.4 何谓“近” 24
    3.4.1 Minkowski距离 25
    3.4.2 Mahalanobis距离 26
    3.5 各类别的确定 27
    3.6 利用KNN算法和OpenCV实现胡须和眼镜的检测 29
    3.6.1 类图 29
    3.6.2 从原始图像到人脸图像 30
    3.6.3 Face类 33
    3.6.4 Neighborhood类 36
    3.7 小结 43
    第4章 朴素贝叶斯分类 45
    4.1 利用贝叶斯定理找出欺诈性订单 45
    4.1.1 条件概率 46
    4.1.2 逆条件概率 47
    4.2 朴素贝叶斯分类器 48
    4.2.1 链式法则 48
    4.2.2 贝叶斯推理中的朴素性49
    4.2.3 伪计数 50
    4.3 垃圾邮件过滤器 51
    4.3.1 类图 51
    4.3.2 数据源 52
    4.3.3 Email类 52
    4.3.4 符号化与上下文 55
    4.3.5 SpamTrainer类 56
    4.3.6 通过交叉验证将错误率最小化 63
    4.4 小结 66
    第5章 隐马尔可夫模型 67
    5.1 利用状态机跟踪用户行为 67
    5.1.1 隐含状态的输出和观测 69
    5.1.2 利用马尔可夫假设简化问题 70
    5.1.3 利用马尔可夫链而非有限状态机 71
    5.1.4 隐马尔可夫模型 71
    5.2 评估:前向-后向算法 72
    5.3 利用维特比算法求解解码问题 75
    5.4 学习问题 76
    5.5 利用布朗语料库进行词性标注 76
    5.5.1 词性标注器的首要问题:CorpusParser 77
    5.5.2 编写词性标注器 79
    5.5.3 通过交叉验证获取模型的置信度 86
    5.5.4 模型的改进方案 88
    5.6 小结 88
    第6章 支持向量机 89
    6.1 求解忠诚度映射问题 89
    6.2 SVM的推导过程 91
    6.3 非线性数据 92
    6.3.1 核技巧 92
    6.3.2 软间隔 96
    6.4 利用SVM进行情绪分析 97
    6.4.1 类图 98
    6.4.2 Corpus类 99
    6.4.3 从语料库返回一个无重复元素的单词集 102
    6.4.4 CorpusSet类 103
    6.4.5 SentimentClassifier类 107
    6.4.6 随时间提升结果 111
    6.5 小结 111
    第7章 神经网络 113
    7.1 神经网络的历史 113
    7.2 何为人工神经网络 114
    7.2.1 输入层 115
    7.2.2 隐含层 116
    7.2.3 神经元 117
    7.2.4 输出层 122
    7.2.5 训练算法 122
    7.3 构建神经网络 125
    7.3.1 隐含层数目的选择 126
    7.3.2 每层中神经元数目的选择 126
    7.3.3 误差容限和最大epoch的选择 126
    7.4 利用神经网络对语言分类 127
    7.4.1 为语言编写接缝测试 129
    7.4.2 网络类的交叉验证 132
    7.4.3 神经网络的参数调校 135
    7.4.4 收敛性测试 136
    7.4.5 神经网络的精度和查全率 136
    7.4.6 案例总结 136
    7.5 小结 136
    第8章 聚类 137
    8.1 用户组 138
    8.2 K均值聚类 139
    8.2.1 K均值算法 139
    8.2.2 K均值聚类的缺陷 140
    8.3 EM聚类算法 141
    8.4 不可能性定理 142
    8.5 音乐归类 142
    8.5.1 数据收集 143
    8.5.2 用K均值聚类分析数据 144
    8.5.3 EM聚类 146
    8.5.4 爵士乐的EM聚类结果 149
    8.6 小结 151
    第9章 核岭回归 153
    9.1 协同过滤 153
    9.2 应用于协同过滤的线性回归 154
    9.3 正则化技术与岭回归 157
    9.4 核岭回归 158
    9.5 理论总结 158
    9.6 用协同过滤推荐啤酒风格 159
    9.6.1 数据集 159
    9.6.2 我们所需的工具 159
    9.6.3 评论者 162
    9.6.4 编写代码确定某人的偏好 164
    9.6.5 利用用户偏好实现协同过滤 166
    9.7 小结 167
    第10章 模型改进与数据提取 169
    10.1 维数灾难问题 169
    10.2 特征选择 171
    10.3 特征变换 173
    10.4 主分量分析 175
    10.5 独立分量分析 177
    10.6 监测机器学习算法 179
    10.6.1 精度与查全率:垃圾邮件过滤 179
    10.6.2 混淆矩阵 181
    10.7 均方误差 182
    10.8 产品环境的复杂性 183
    10.9 小结 183
    第11章 结语 185
    11.1 机器学习算法回顾 185
    11.2 如何利用这些信息来求解问题 186
    11.3 未来的学习路线 187
    作者介绍 188
    封面介绍 188

     
    ------分隔线----------------------------
    锋哥公众号


    武哥公众号

  • 北京现代ENCINO领衔 老爸心仪座驾推荐 2019-04-14
  • 父母不尊重孩子的五个表现 进来看看你有没有 2019-04-09
  • 个税起征点若提到5000元 对你的收入有啥影响? 2019-03-30
  • 机关党建创新案例集锦 2019-03-30
  • 童国华委员:预计今年下半年5G进入规模试验阶段 2019-03-29
  • 中国核电的逆袭之路,就是中国发展成功之路的缩影。 2019-03-22
  • 家用高配置之选 四款合资紧凑级车推荐 2019-03-14
  • 期末,就是考验班主任文笔之时 2019-03-14
  • 故事新西兰强震致民宅破坏严重 超市遭抢购 2019-03-08
  • 这是全国精气最为集中的地方 被称为中国丹田所在 ——凤凰网房产 2019-03-08
  • 地方“武教头”走进军营辅导授课 2019-03-06
  • 西安幼升小入学难问题出在哪儿教育部门将统筹协调安排 2019-02-27
  • 高清克罗地亚队备战训练 莫德里奇神情轻松 2019-02-27
  • 夏日阳光舒适 大熊猫宝宝悠闲自得 2019-02-24
  • 新型光合作用可利用近红外光 2019-02-22
  • 重庆分分彩口诀 时时彩源码自由的百科 北京pk10冠军公式大全 舟山飞鱼今日走势图 澳洲幸运8开奖直播 吉林快3 pk10大小单双人工计划 福彩3d和值尾综合走势 8月l号山东群英会开奖 500彩票网合法吗 生肖时时彩中奖机率 三地彩票走势图带连线 3d试机号分析汇总千禧 福彩3d字谜图谜 北京pk10计划软件 体彩20选5基本走势图