书籍详情
《机器学习漫画小抄 机器学习公式详解 深度学习 机器学习闪卡》[53M]百度网盘|亲测有效|pdf下载
  • 机器学习漫画小抄 机器学习公式详解 深度学习 机器学习闪卡

  • 出版社:人民邮电出版社
  • 作者:[美] 克里斯·阿尔本(Chris Albon) 著
  • 出版时间:2024-12-01
  • 热度:5118
  • 上架时间:2025-01-04 08:18:29
  • 价格:0.0
书籍下载
书籍预览
免责声明

本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源,一旦发现资源涉及侵权,将立即删除。希望所有用户一同监督并反馈问题,如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正

内容介绍

产品特色

编辑推荐

适读人群 :大众读者

阅读本书的理由1:106张漫画小抄,快速搞懂机器学习基础知识,秒懂复杂概念!

(1)知识体系清晰全面,轻松掌握各类机器学习概念。从简单的决策树到复杂的神经网络,从预处理训练集和测试集到各种模型评估指标,每一个概念都以全彩漫画解释!

(2)内容丰富,决策树、随机梯度下降、超参数、k-NN算法,超多概念,应有尽有!

(3)漫画小抄围绕各类数据科学或机器学习问题,涉及诸如过拟合、欠拟合、预处理、深度学习、神经网络等主题。

(4)使用卡片形式进行碎片化学习,以独特的视角和风趣幽默的画风,将复杂的机器学习概念以轻松幽默的方式呈现,能够做到随时随地学概念!


阅读本书的理由:2:内容有料又有趣,画风可爱,幽默风趣,学习ML不再枯燥!

(1)用最简单的方式,把高深莫测的机器学习概念变得通俗易懂。画风清新可爱,色彩搭配让人心情愉悦,每次翻阅都是一种享受!

(2)画风轻松,帮助初学者快速入门,快速搞懂机器学习几乎所有基础知识点,也能让有经验的研究者能够以一种全新的方式回顾和巩固知识。

(3)将深奥的机器学习概念变成了一串串轻松愉快的漫画故事,画风超级可爱,色彩搭配让人看了心情瞬间好到飞起,是视觉和心情的双重享受!


阅读本书的理由3:零基础学习受众面广,从零开始,一看就懂!

(1)以诙谐幽默的方式解释了复杂的机器学习概念,超级适合机器学习小白,通俗易懂!

(2)漫画风格简洁明快,色彩鲜明,同时不失幽默感,即便是机器学习初学者也能轻松理解其中的深奥知识。

(3)图文并茂,让你在轻松愉快的氛围中,秒懂复杂概念!

(4)每张卡片都是一个知识点,哪个概念不清楚就翻出来看一看,这样治愈的配色看多久都不会感觉累,非常方便初学者学习!


内容简介

本套漫画小抄准确解释了机器学习领域的106个重要概念,覆盖从随机森林到神经网络的各种算法。每张漫画小抄介绍一个重要概念,通过简明扼要的语言、易懂易记的插图、简洁明晰的排版布局,生动地呈现了每一个概念的思想内核,能帮助读者快速高效地理解与记忆。

本套漫画小抄适合所有机器学习的爱好者阅读,尤其是那些希望进一步了解机器学习概念的读者,包括高等院校计算机相关专业的大学生、研究生,计算机应用相关领域的研发人员与算法工程师等。


目录

单位归一化1

Tomek链接2

上采样3

数据增强4

下采样5

最小-最大缩放6

独热编码7

插补法8

基于k-NN的插补法9

学习曲线10

假阳性率11

闵可夫斯基距离12

学习率13

布里尔分数14

分类15

假阴性率16

训练误差率17

曲线下面积18

F1分数19

模型复杂度对偏差和方差的影响20

没有免费午餐定理21

预处理训练集和测试集22

深度双重下降23

主成分分析24

超参数VS参数25

损失函数的最小值26

模型一致性27

模型复杂度28

特征重要性29

机器学习中的“学习”意味着什么?30

泛化31

训练集,验证集和测试集32

过拟合与欠拟合33

袋外误差34

决策树35

决策树回归36

随机森林37

随机森林中的基尼系数38

特征缩放对梯度下降的影响39

正则化40

C,正则化强度的倒数41

早停法42

弹性网络43

Dropout44

权重衰减45

HingeLoss46

均方误差47

Kullback-Leibler散度损失48

二元交叉熵损失49

分类交叉熵损失50

损失函数51

Boosting52

弱学习器53

AdaBoost54

bagging算法55

集成方法56

神经网络参数随机初始化57

深度网络的目的58

指数线性单元59

神经元60

隐藏层61

LeakyReLU62

NoisyReLU63

梯度裁剪64

反向传播65

Epoch66

梯度悬崖67

常见的输出层激活函数68

梯度下降法69

线性激活函数70

小批量71

梯度爆炸72

Sigmoid激活函数73

Tanh激活函数74

深度学习的动机75

修正线性单元76

DBSCAN77

k-NN算法78

K均值聚类79

k-NN邻域大小80

线性判别分析81

核主成分分析82

均值漂移聚类83

偏差-方差权衡84

偏差85

偏差直觉86

贝叶斯误差87

大O表示法88

混淆矩阵89

动量随机梯度下降90

随机梯度下降91

RMSprop优化器92

特征选择策略93

准确率94

分类特征95

L1范数96

L2范数97

维度灾难98

特征矩阵99

自助采样法100

MNIST数据集101

词袋102

K折交叉验证103

超参数调优104

网格搜索105

错误类型106