1 LSGO軟件技術團隊 

今天在 Github 上找 NLP 的數(shù)據(jù)集，發(fā)現(xiàn)了這本小冊子。它假定你對機器學習幾乎一無所知。它的目標是給你實際實現(xiàn)能夠從數(shù)據(jù)中學習的程序所需的概念，直覺和工具。這本書分為兩個部分。

第一部分，機器學習的基礎知識，涵蓋以下主題：

• 什么是機器學習？它被試圖用來解決什么問題？機器學習系統(tǒng)的主要類別和基本概念是什么？

• 典型的機器學習項目中的主要步驟。

• 通過擬合數(shù)據(jù)來學習模型。

• 優(yōu)化成本函數(shù)（cost function）。

• 處理，清洗和準備數(shù)據(jù)。

• 選擇和設計特征。

• 使用交叉驗證選擇一個模型并調整超參數(shù)。

• 機器學習的主要挑戰(zhàn)，特別是欠擬合和過擬合（偏差和方差權衡）。

• 對訓練數(shù)據(jù)進行降維以對抗 the curse of dimensionality（維度詛咒）

• 最常見的學習算法：線性和多項式回歸， Logistic 回歸，k-最近鄰，支持向量機，決策樹，隨機森林和集成方法。

第二部分，神經(jīng)網(wǎng)絡和深度學習，包括以下主題：

• 什么是神經(jīng)網(wǎng)絡？它們有啥優(yōu)勢？

• 使用 TensorFlow 構建和訓練神經(jīng)網(wǎng)絡。

• 最重要的神經(jīng)網(wǎng)絡架構：前饋神經(jīng)網(wǎng)絡，卷積網(wǎng)絡，遞歸網(wǎng)絡，長期短期記憶網(wǎng)絡（LSTM）和自動編碼器。

• 訓練深度神經(jīng)網(wǎng)絡的技巧。

• 對于大數(shù)據(jù)集縮放神經(jīng)網(wǎng)絡。

• 強化學習。

第一部分主要基于 scikit-learn ，而第二部分則使用 TensorFlow 。

• Scikit-learn 非常易于使用，并且實現(xiàn)了許多有效的機器學習算法，因此它為學習機器學習提供了一個很好的切入點。

• TensorFlow 是使用數(shù)據(jù)流圖進行分布式數(shù)值計算的更復雜的庫。它通過在潛在的數(shù)千個多 GPU 服務器上分布式計算，可以高效地訓練和運行非常大的神經(jīng)網(wǎng)絡。TensorFlow 是被 Google 創(chuàng)造的，支持其大型機器學習應用程序。于 2015年11月開源。

目錄結構

• 零、前言

第一部分 機器學習基礎

• 一、機器學習概覽

• 二、一個完整的機器學習項目

• 三、分類

• 四、訓練模型

• 五、支持向量機

• 六、決策樹

• 七、集成學習和隨機森林

• 八、降維

第二部分 神經(jīng)網(wǎng)絡與深度學習

• 九、啟動并運行 TensorFlow

• 十、人工神經(jīng)網(wǎng)絡介紹

• 十一、訓練深層神經(jīng)網(wǎng)絡

• 十二、設備和服務器上的分布式 TensorFlow

• 十三、卷積神經(jīng)網(wǎng)絡

• 十四、循環(huán)神經(jīng)網(wǎng)絡

• 十五、自編碼器

• 十六、強化學習

附錄

• 附錄 C、SVM 對偶問題

• 附錄 D、自動微分

下載《Sklearn 與 TensorFlow 機器學習實用指南》電子書