漫畫機器學習

目錄
序章 遇見機器學習 1
清佳的房間① 清佳和高中生愛子 14
第1章 什么是回歸？ 15
1.1 難以預測的數(shù)字 16
1.2 在解釋變量中找到響應變量 17
1.3 求解線性回歸函數(shù) 20
1.4 正則化的效果 22
清佳的房間② 數(shù)學復習① 34
第2章 如何進行分類？ 39
2.1 數(shù)據(jù)整理 46
2.2 根據(jù)數(shù)據(jù)預測類別 47
2.3 邏輯分類 49
2.4 決策樹分類 55
清佳的房間③ 數(shù)學復習② 74
第3章 結(jié)果評價 77
3.1 沒經(jīng)過測試數(shù)據(jù)評價就沒有意義 82
3.2 訓練數(shù)據(jù)、驗證數(shù)據(jù)、測試數(shù)據(jù) 83
3.3 交叉確認法 85
3.4 準確率、精確率、召回率、F值 87
清佳的房間④ 數(shù)學復習③ 95
第4章 深度學習 97
4.1 神經(jīng)網(wǎng)絡 103
4.2 通過誤差反向傳播法學習 107
4.3 挑戰(zhàn)深度學習 111
4.3.1 深層神經(jīng)網(wǎng)絡的問題點 112
4.3.2 多層學習著力點1：預訓練法 113
4.3.3 多層學習著力點2：激活函數(shù) 115
4.3.4 多層學習著力點3：避免過學習 117
4.3.5 具有特殊結(jié)構(gòu)的神經(jīng)網(wǎng)絡 118
清佳的房間⑤ 數(shù)學復習④ 134
第5章 集成學習 139
5.1 Bagging算法 146
5.2 隨機森林 149
5.3 Boosting算法 152
清佳的房間⑥ 數(shù)學復習⑤ 160
第6章 無監(jiān)督學習 165
6.1 聚類 172
6.1.1 分層聚類 173
6.1.2 **分割法聚類 175
6.2 矩陣分解 179
清佳的房間⑦ 數(shù)學復習⑥ 191
后記 197
參考文獻 205
索引 206