| 作者 |
| [荷]巴斯蒂安·贾丁(Bastiaan Sjardin) [意]卢卡·马萨罗(Luca Massaron) [意]阿尔贝托·博斯凯蒂(Alberto Boschetti) |
| 丛书名 |
| 智能系统与技术丛书 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9787111623144 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 本书不仅介绍大规模机器学习的基本概念,还包含丰富的案例研究。书中所选皆为最实用的技术和工具,而对理论细节不进行深入讨论,旨在提供大规模机器学习方法(甚至非常规方法)。不管是初学者、普通用户还是专家级用户,通过本书都能理解并掌握利用Python进行大规模机器学习。为让读者快速掌握核心技术,本书由浅入深讲解大量实例,图文并茂呈现每一步的操作结果,帮助读者更好地掌握大规模机器学习Python工具。例如:基于Scikit-learn可扩展学习、 Liblinear和Vowpal Wabbit快速支持向量机、基于Theano与H2O的大规模深度学习方法、TensorFlow深度学习技术与在线神经网络方法、大规模分类和回归树的可扩展解决方案、大规模无监督学习(PCA,聚类分析和主题建模等)扩展方法、Hadoop和Spark分布式环境、Spark机器学习实践以及Theano和GPU计算的基础知识。 |
| 目录 |
| 译者序 前言 作者简介 审校者简介 第1章迈向可扩展性的第一步1 11详细解释可扩展性1 111大规模实例3 112介绍Python4 113使用Python进行向上扩展4 114使用Python进行向外扩展5 12Python用于大规模机器学习6 121选择Python 2还是Python 36 122安装Python7 123逐步安装7 124安装软件包8 125软件包升级9 126科学计算发行版10 127Jupyter/IPython介绍11 13Python包13 131NumPy14 132SciPy14 133pandas14 134Scikitlearn15 135小结21 第2章Scikitlearn中的可扩展学习22 21非核心学习22 211选择子采样23 212一次优化一个实例24 213构建非核心学习系统25 22流化源数据25 221处理真实数据集26 222第一个示例——流化共享单车数据集28 223使用pandas I/O工具30 224使用数据库31 225关注实例排序35 23随机学习37 231批处理梯度下降37 232随机梯度下降40 233Scikitlearn的SGD实现40 234定义SGD学习参数42 24数据流的特征管理43 241描述目标46 242哈希技巧49 243其他基本变换51 244流测试和验证52 245使用SGD52 25小结56 第3章实现快速SVM57 31测试数据集58 311共享单车数据集58 312森林覆盖类型数据集58 32支持向量机59 321hinge loss及其变形64 322Scikitlearn的SVM实现65 323探究通过子采样改善非线性SVM68 324使用SGD实现大规模SVM70 33正则化特征选择77 34SGD中的非线性78 35超参数调整82 36小结96 第4章神经网络与深度学习97 41神经网络架构98 411神经网络如何学习106 412选择正确的架构110 413使用神经网络111 414sknn并行化111 42神经网络和正则化113 43神经网络和超参数优化115 44神经网络和决策边界117 45用H2O进行规模化深度学习120 451用H2O进行大规模深度学习121 452H2O上的网格搜索124 46深度学习和无监督预训练126 47使用theanets进行深度学习126 48自动编码器和无监督学习128 49小结131 第5章用TensorFlow进行深度学习132 51TensorFlow安装134 52在TensorFlow上使用SkFlow进行机器学习140 53安装Keras和TensorFlow148 54在TensorFlow中通过Keras实现卷积神经网络152 541卷积层153 542池化层153 543全连接层154 55增量CNN方法156 56GPU计算156 57小结159 第6章大规模分类和回归树160 61bootstrap聚合162 62随机森林和极端随机森林163 63随机搜索实现快速参数优化167 64CART和boosting172 65XGBoost179 651XGBoost回归181 652XGBoost流化大型数据集184 653XGBoost模型存储185 66用H2O实现非核心CART185 661H2O上的随机森林和网格搜索186 662H2O上的随机梯度增强和网格搜索188 67小结191 第7章大规模无监督学习192 71无监督方法192 72特征分解:PCA193 721随机化PCA199 722增量PCA200 723稀疏PCA201 73使用H2O的PCA202 74K-均值聚类算法203 741初始化方法206 742K-均值假设206 743选择最佳K209 744扩展K-均值算法:小批量212 75用H2O实现K-均值216 76LDA218 77小结226 第8章分布式环境——Hadoop和Spark227 81从单机到集群227 82设置VM230 821VirtualBox230 822Vagrant232 823使用VM232 83Hadoop生态系统234 831架构234 832HDFS235 833MapReduce242 834YARN250 84Spark250 85小结260 第9章Spark机器学习实践261 91为本章设置虚拟机261 92跨集群节点共享变量262 921广播只读变量262 922累加器只写变量264 923广播和累加器的示例265 93Spark的数据预处理267 931JSON文件和Spark DataFrame268 932处理缺失数据270 933在内存中分组和创建表271 934将预处理的DataFrame或RDD写入磁盘273 935使用Spark DataFrame274 94Spark机器学习276 941Spark处理KDD99数据集277 942读取数据集277 943特征工程280 944训练学习器284 945评估学习器的表现286 946机器学习管道的威力286 947手动优化288 948交叉验证291 95小结293 附录介绍GPU和Theano294 |