送你一本《Sklearn 与 TensorFlow 机器学习实用指南》电子书！

1 LSGO软件技术团队 

贡献人：马燕鹏

如果喜欢这里的内容，你能够给我最大的帮助就是转发，告诉你的朋友，鼓励他们一起来学习。

If you like the content here, the greatest help you can give me is forwarding, so tell your friends and encourage them to learn together.

今天在 Github 上找 NLP 的数据集，发现了这本小册子。它假定你对机器学习几乎一无所知。它的目标是给你实际实现能够从数据中学习的程序所需的概念，直觉和工具。这本书分为两个部分。

第一部分，机器学习的基础知识，涵盖以下主题：

• 什么是机器学习？它被试图用来解决什么问题？机器学习系统的主要类别和基本概念是什么？

• 典型的机器学习项目中的主要步骤。

• 通过拟合数据来学习模型。

• 优化成本函数（cost function）。

• 处理，清洗和准备数据。

• 选择和设计特征。

• 使用交叉验证选择一个模型并调整超参数。

• 机器学习的主要挑战，特别是欠拟合和过拟合（偏差和方差权衡）。

• 对训练数据进行降维以对抗 the curse of dimensionality（维度诅咒）

• 最常见的学习算法：线性和多项式回归， Logistic 回归，k-最近邻，支持向量机，决策树，随机森林和集成方法。

第二部分，神经网络和深度学习，包括以下主题：

• 什么是神经网络？它们有啥优势？

• 使用 TensorFlow 构建和训练神经网络。

• 最重要的神经网络架构：前馈神经网络，卷积网络，递归网络，长期短期记忆网络（LSTM）和自动编码器。

• 训练深度神经网络的技巧。

• 对于大数据集缩放神经网络。

• 强化学习。

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

• Scikit-learn 非常易于使用，并且实现了许多有效的机器学习算法，因此它为学习机器学习提供了一个很好的切入点。

• TensorFlow 是使用数据流图进行分布式数值计算的更复杂的库。它通过在潜在的数千个多 GPU 服务器上分布式计算，可以高效地训练和运行非常大的神经网络。TensorFlow 是被 Google 创造的，支持其大型机器学习应用程序。于 2015年11月开源。

---

目录结构

• 零、前言

第一部分 机器学习基础

• 一、机器学习概览

• 二、一个完整的机器学习项目

• 三、分类

• 四、训练模型

• 五、支持向量机

• 六、决策树

• 七、集成学习和随机森林

• 八、降维

第二部分 神经网络与深度学习

• 九、启动并运行 TensorFlow

• 十、人工神经网络介绍

• 十一、训练深层神经网络

• 十二、设备和服务器上的分布式 TensorFlow

• 十三、卷积神经网络

• 十四、循环神经网络

• 十五、自编码器

• 十六、强化学习

附录

• 附录 C、SVM 对偶问题

• 附录 D、自动微分

---

下载《Sklearn 与 TensorFlow 机器学习实用指南》电子书