中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
集成學習入門與實戰 原理、算法與應用 版權信息
- ISBN：9787122401670
- 條形碼：9787122401670 ; 978-7-122-40167-0
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
集成學習入門與實戰 原理、算法與應用 本書特色
1.本書內容屬于前沿科學技術、機器學習范疇，是機器學習領域學者應學的新技術； 2.本書是集成學習國內首本引進版圖書； 3.本書內容精煉，全書都是干貨，沒有冗余的鋪墊，讀者可以輕松閱讀； 4.本書附有代碼和算法邏輯框圖； 5.本書包含集成學習的基礎知識，集成學習技術、集成學習庫和實戰應用。
集成學習入門與實戰 原理、算法與應用 內容簡介
《集成學習入門與實戰：原理、算法與應用》通過6章內容全面地解讀了集成學習的基礎知識、集成學習技術、集成學習庫和實踐應用。其中集成學習技術包括采樣、Bagging、投票集成、Boosting、AdaBoost、梯度提升、XGBoost、Stacking、隨機森林、決策樹等，從混合訓練數據到混合模型，再到混合組合，邏輯嚴謹、逐步講解；同時也對ML-集成學習、Dask、LightGBM、AdaNet等集成學習庫相關技術進行了詳細解讀；*后通過相關實踐對集成學習進行綜合性應用。本書配有邏輯框圖、關鍵代碼及代碼分析，使讀者在閱讀中能夠及時掌握算法含義和對應代碼。 本書適合集成學習的初學者和機器學習方向的從業者和技術人員閱讀學習，也適合開設機器學習等算法課程的高等院校師生使用。
集成學習入門與實戰 原理、算法與應用 目錄
第1章 為什么需要集成學習 001
1.1 混合訓練數據 003
1.2 混合模型 004
1.3 混合組合 008
1.4 本章小結 009
第2章 混合訓練數據 011
2.1 決策樹 013
2.2 數據集采樣 018
2.2.1 不替換采樣（WOR） 018
2.2.2 替換采樣（WR） 019
2.3 Bagging（裝袋算法） 021
2.3.1 k重交叉驗證 024
2.3.2 分層的k重交叉驗證 026
2.4 本章小結 028
第3章 混合模型 029
3.1 投票集成 030
3.2 硬投票 031
3.3 均值法/軟投票 033
3.4 超參數調試集成 036
3.5 水平投票集成 038
3.6 快照集成 044
3.7 本章小結 046
第4章 混合組合 047
4.1 Boosting（提升算法） 048
4.1.1 AdaBoost（自適應提升算法） 049
4.1.2 Gradient Boosting（梯度提升算法） 051
4.1.3 XGBoost（極端梯度提升算法） 053
4.2 Stacking（堆疊算法） 055
4.3 本章小結 058
第5章 集成學習庫 059
5.1 ML-集成學習 060
5.1.1 多層集成 063
5.1.2 集成模型的選擇 064
5.2 通過Dask擴展XGBoost 069
5.2.1 Dask數組與數據結構 071
5.2.2 Dask-ML 076
5.2.3 擴展XGBoost 079
5.2.4 微軟LightGBM 082
5.2.5 AdaNet 088
5.3 本章小結 090
第6章 實踐指南 092
6.1 基于隨機森林的特征選擇 093
6.2 基于集成樹的特征轉換 096
6.3 構建隨機森林分類器預處理程序 103
6.4 孤立森林進行異常點檢測 110
6.5 使用Dask庫進行集成學習處理 114
6.5.1 預處理 115
6.5.2 超參數搜索 117
6.6 本章小結 121
致謝 122
展開全部
集成學習入門與實戰 原理、算法與應用 作者簡介
阿洛克·庫馬爾,是Publicis sapient的一位AI從業者和創新領導者。馬揚克·賈因是Publicis sapient kepler創新實驗室的技術經理和AI/ML專家。
書友推薦
- >
羅庸西南聯大授課錄
- >
羅曼·羅蘭讀書隨筆-精裝
- >
我從未如此眷戀人間
- >
史學評論
- >
有舍有得是人生
- >
名家帶你讀魯迅:故事新編
- >
自卑與超越
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
本類暢銷
