思维导图备注

机器学习实践测试驱动的开发方法 (图灵程序设计丛书) - [美] 柯克（Matthew Kirk）

首页收藏书籍阅读记录

我的书签
添加书签移除书签

联系我们

浏览 1 扫码

小字体
中字体
大字体

2022-02-22 02:39:48

请登录再阅读

上一篇:

下一篇:

版权声明
O'Reilly Media, Inc. 介绍
业界评论
前言
从本书可学到的知识
本书的阅读方法
本书读者
作者联系方式
排版约定
使用代码示例
Safari® Books Online
联系我们
致谢
第 1 章测试驱动的机器学习
1.1 TDD的历史
1.2 TDD与科学方法
1.3 机器学习中的风险
1.4 为降低风险应采用的测试
第 2 章机器学习概述
2.1.1 有监督学习
2.3 本书采用的数学符号
2.4 小结
第 3 章 K 近邻分类
3.2 基于邻居的居住幸福度
3.3 如何选择 K
3.3.1 猜测 K 的值
3.4.1 Minkowski距离
3.6 利用 KNN 算法和 OpenCV 实现胡须和眼镜的检测
3.6.1 类图
第 4 章朴素贝叶斯分类
4.1.1 条件概率
4.2.1 链式法则
4.3.1 类图
第 5 章隐马尔可夫模型
5.1.1 隐含状态的输出和观测
利用用户行为
5.4 学习问题
5.5 利用布朗语料库进行词性标注
5.5.1 词性标注器的首要问题：CorpusParser
第 6 章支持向量机
6.1 求解忠诚度映射问题
6.2 SVM的推导过程
6.3 非线性数据
6.3.1 核技巧
6.4.1 类图
第 7 章神经网络
7.1 神经网络的历史
7.2 何为人工神经网络
7.2.1 输入层
7.3.1 隐含层数目的选择
7.4.1 为语言编写接缝测试
第 8 章聚类
8.1 用户组
8.2 K 均值聚类
8.2.1 K 均值算法
8.4 不可能性定理
8.5 音乐归类
8.5.1 数据收集
第 9 章核岭回归
9.1 协同过滤
9.2 应用于协同过滤的线性回归
9.3 正则化技术与岭回归
9.4 核岭回归
9.5 理论总结
9.6 用协同过滤推荐啤酒风格
9.6.1 数据集
第 10 章模型改进与数据提取
10.1 维数灾难问题
10.2 特征选择
10.3 特征变换
10.4 主分量分析
10.5 独立分量分析
10.6 监测机器学习算法
10.6.1 精度与查全率：垃圾邮件过滤
10.8 产品环境的复杂性
10.9 小结
第 11 章结语
11.1 机器学习算法回顾
11.2 如何利用这些信息来求解问题
11.3 未来的学习路线
作者介绍
封面介绍

暂无相关搜索结果！

二维码

手机扫一扫，轻松掌上学

《机器学习实践测试驱动的开发方法 (图灵程序设计丛书) - [美] 柯克（Matthew Kirk）》电子书下载

请下载您需要的格式的电子书，随时随地，享受学习的乐趣！

EPUB 电子书

书签列表

阅读记录

阅读进度: 0.00% ( 0/0 ) 重置阅读进度