深度學習精要 基于R語言 ( 簡體 字) |
| 作者：[美] Joshua F. Wiley 威利 | 類別：1. -> 程式設計 -> 深度學習
2. -> 程式設計 -> R語言 |
| 譯者： |
| 出版社：人民郵電出版社 |  3dWoo書號： 47708
詢問書籍請說出此書號！【缺書】
NT售價： 245 元 |
| 出版日：8/1/2017 |
| 頁數：154 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787115464156 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：機器學習 deep learning 人工智慧神經網路AI參考書 R語言實戰 使用無監督學習建立自動化的預測和分類模型
本書重點介紹如何將R語言和深度學習模型或深度神經網路結合起來，解決實際的應用需求。全書共6章，分別介紹了深度這習基礎知識、訓練預測模型、如何防止過擬合、識別異常資料、訓練深度預測模型以及調節和優化模型等內容。
本書適合瞭解機器學習概念和R語言並想要使用R提供的包來探索深度學習應用的讀者學習參考。
|
目錄：第1章 深度學習入門 1
1.1 什麼是深度學習 1
1.2 神經網路的概念
綜述 2
1.3 深度神經網路 6
1.4 用於深度學習的R包 8
1.5 建立可重複的結果 9
1.5.1 神經網路 12
1.5.2 deepnet包 13
1.5.3 darch包 14
1.5.4 H2O包 14
1.6 連接R和H2O 14
1.6.1 初始化H2O 15
1.6.2 資料集連結到H2O
集群 17
1.7 小結 19
第2章 訓練預測模型 20
2.1 R中的神經網路 20
2.1.1 建立神經網路 21
2.1.2 從神經網路生成
預測 36
2.2 資料過擬合的問題—
結果的解釋 38
2.3 用例—建立並運用
神經網路 41
2.4 小結 47
第3章 防止過擬合 48
3.1 L1罰函數 49
3.2 L2罰函數 53
3.2.1 L2罰函數實戰 54
3.2.2 權重衰減（神經網路中的L2罰函數） 55
3.3 集成和模型平均 59
3.4 用例—使用丟棄提升樣本
外模型性能 62
3.5 小結 67
第4章 識別異常資料 68
4.1 無監督學習入門 69
4.2 自動編碼器如何工作 70
4.3 在R中訓練自動編碼器 73
4.4 用例—建立並運用自動
編碼器模型 85
4.5 微調自動編碼器模型 90
4.6 小結 95
第5章 訓練深度預測模型 96
5.1 深度前饋神經網路入門 97
5.2 常用的啟動函數—整流器、雙曲正切和maxout 99
5.3 選取超參數 101
5.4 從深度神經網路訓練和
預測新資料 105
5.5 用例—為自動分類生成
深度神經網路 114
5.6 小結 132
第6章 調節和優化模型 133
6.1 處理缺失資料 134
6.2 低準確度模型的解決
方案 137
6.2.1 網格搜索 138
6.2.2 隨機搜索 139
6.3 小結 151
參考文獻 152
|
| 序： |
