2本 机器学习 周志华 Python神经网络编程 深度学习人工智能书籍

Python神经网络编程-内容简介

Python神经网络编程-作者简介

机器学习-内容简介

机器学习-作者简介

Python神经网络编程-目录

第 1 章　神经网络如何工作001
1.1　尺有所短，寸有所长 001
1.2　一台简单的预测机 003
1.3　分类器与预测器并无太大差别008
1.4　训练简单的分类器　011
1.5　有时候一个分类器不足以求解问题　020
1.6　神经元——大自然的计算机器　024
1.7　在神经网络中追踪信号　033
1.8　凭心而论，矩阵乘法大有用途　037
1.9　使用矩阵乘法的三层神经网络示例　043
1.10　学习来自多个节点的权重　051
1.11　多个输出节点反向传播误差053
1.12　反向传播误差到更多层中　054
1.13　使用矩阵乘法进行反向传播误差　058
1.14　我们实际上如何更新权重　061
1.15　权重更新成功范例　077
1.16　准备数据　078

第 2 章　使用Python进行DIY 083
2.1　Python　083
2.2　交互式Python = IPython　084
2.3　优雅地开始使用Python　085
2.4　使用Python制作神经网络 105
2.5　手写数字的数据集MNIST 121

第 3 章　趣味盎然 153
3.1　自己的手写数字　153
3.2　神经网络大脑内部　156
3.3　创建新的训练数据：旋转图像　160
3.4　结语　164

附录A　微积分简介 165
A.1　一条平直的线　166
A.2　一条斜线　168
A.3　一条曲线　170
A.4　手绘微积分　172
A.5　非手绘微积分　174
A.6　无需绘制图表的微积分　177
A.7　模式　180
A.8　函数的函数　182

附录B　使用树莓派来工作 186
B.1　安装IPython　187
B.2　确保各项工作正常进行　193
B.3　训练和测试神经网络　194
B.4　树莓派成功了 195

…………已省略更多目录

机器学习-目录

第1章 1
1.1 引言 1
1.2 基本术 2
1.3 假设空间 4
1.4 归纳偏好 6
1.5 发展历程 10
1.6 应用现状 13
1.7 阅读材料 16
习题 19
参考文献 20
休息一会儿 22

第2章 模型评估与选择 23
2.1 经验误差与过拟合 23
2.2 评估方法 24
2.2.1 留出法 25
2.2.2 交叉验证法 26
2.2.3 自助法 27
2.2.4 调参与最终模型 28
2.3 性能度量 28
2.3.1 错误率与精度 29
2.3.2 查准率、查全率与F1 30
2.3.3 ROC与AUC 33
2.3.4 代价敏感错误率与代价曲线 35
2.4 比较检验 37
2.4.1 假设检验 37
2.4.2 交叉验证t检验 40
2.4.3 McNemar检验 41
2.4.4 Friedman检验与后续检验 42
2.5 偏差与方差 44
2.6 阅读材料 46
习题 48
参考文献 49
休息一会儿 51

第3章 线性模型 53
3.1 基本形式 53
3.2 线性回归 53
3.3 对数几率回归 57
3.4 线性判别分析 60
3.5 多分类学习 63
3.6 类别不平衡问题 66
3.7 阅读材料 67
习题 69
参考文献 70
休息一会儿 72

…………已省略更多目录