Uczenie_maszynowe_z_uzyciem_Scikit_Learn_i_TensorFlow_Wydanie_II_uczem2.pdf

(2541 KB) Pobierz
Tytuł oryginału: Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools,
and Techniques to Build Intelligent Systems, 2nd Edition
Tłumaczenie: Krzysztof Sawka
ISBN: 978-83-283-6002-0
© 2020 Helion SA
Authorized Polish translation of the English edition of Hands-On Machine Learning
with Scikit-Learn, Keras and TensorFlow, 2E ISBN 9781492032649 © 2019 Kiwisoft S.A.S.
This translation is published and sold by permission of O’Reilly Media, Inc.,
which owns or controls all rights to publish and sell the same.
All rights reserved. No part of this book may be reproduced or transmitted in any form or by any means,
electronic or mechanical, including photocopying, recording or by any information storage retrieval system,
without permission from the Publisher.
Wszelkie prawa zastrzeżone. Nieautoryzowane rozpowszechnianie całości lub fragmentu niniejszej
publikacji w jakiejkolwiek postaci jest zabronione. Wykonywanie kopii metodą kserograficzną,
fotograficzną, a także kopiowanie książki na nośniku filmowym, magnetycznym lub innym powoduje
naruszenie praw autorskich niniejszej publikacji.
Wszystkie znaki występujące w tekście są zastrzeżonymi znakami firmowymi bądź towarowymi ich
właścicieli.
Autor oraz Helion SA dołożyli wszelkich starań, by zawarte w tej książce informacje były kompletne
i rzetelne. Nie biorą jednak żadnej odpowiedzialności ani za ich wykorzystanie, ani za związane z tym
ewentualne naruszenie praw patentowych lub autorskich. Autor oraz Helion SA nie ponoszą również
żadnej odpowiedzialności za ewentualne szkody wynikłe z wykorzystania informacji zawartych w książce.
Helion SA
ul. Kościuszki 1c, 44-100 Gliwice
tel. 32 231 22 19, 32 230 98 63
e-mail:
helion@helion.pl
WWW:
http://helion.pl
(księgarnia internetowa, katalog książek)
Drogi Czytelniku!
Jeżeli chcesz ocenić tę książkę, zajrzyj pod adres
http://helion.pl/user/opinie/uczem2
Możesz tam wpisać swoje uwagi, spostrzeżenia, recenzję.
Printed in Poland.
Kup książkę
Poleć książkę
Oceń książkę
Księgarnia internetowa
Lubię to! » Nasza społeczność
Spis treści
Przedmowa .............................................................................................................. 15
Część I. Podstawy uczenia maszynowego
Czym jest uczenie maszynowe?
Dlaczego warto korzystać z uczenia maszynowego?
Przykładowe zastosowania
Rodzaje systemów uczenia maszynowego
Uczenie nadzorowane i uczenie nienadzorowane
Uczenie wsadowe i uczenie przyrostowe
Uczenie z przykładów i uczenie z modelu
Główne problemy uczenia maszynowego
Niedobór danych uczących
Niereprezentatywne dane uczące
Dane kiepskiej jakości
Nieistotne cechy
Przetrenowanie danych uczących
Niedotrenowanie danych uczących
Podsumowanie
Testowanie i ocenianie
Strojenie hiperparametrów i dobór modelu
Niezgodność danych
Ćwiczenia
25
28
28
31
33
34
40
43
48
50
50
51
52
52
54
54
55
55
56
57
1. Krajobraz uczenia maszynowego ............................................................................... 27
3
Kup książkę
Poleć książkę
2. Nasz pierwszy projekt uczenia maszynowego ............................................................. 59
Praca z rzeczywistymi danymi
Przeanalizuj całokształt projektu
Określ zakres problemu
Wybierz metrykę wydajności
Sprawdź założenia
Zdobądź dane
Stwórz przestrzeń roboczą
Pobierz dane
Rzut oka na strukturę danych
Stwórz zbiór testowy
Odkrywaj i wizualizuj dane, aby zdobywać nowe informacje
Wizualizowanie danych geograficznych
Poszukiwanie korelacji
Eksperymentowanie z kombinacjami atrybutów
Przygotuj dane pod algorytmy uczenia maszynowego
Oczyszczanie danych
Obsługa tekstu i atrybutów kategorialnych
Niestandardowe transformatory
Skalowanie cech
Potoki transformujące
Wybór i uczenie modelu
Trenowanie i ocena modelu za pomocą zbioru uczącego
Dokładniejsze ocenianie za pomocą sprawdzianu krzyżowego
Wyreguluj swój model
Metoda przeszukiwania siatki
Metoda losowego przeszukiwania
Metody zespołowe
Analizuj najlepsze modele i ich błędy
Oceń system za pomocą zbioru testowego
Uruchom, monitoruj i utrzymuj swój system
Teraz Twoja kolej!
Ćwiczenia
59
61
61
63
65
65
66
68
70
74
78
78
80
83
84
84
87
89
90
90
92
92
93
96
96
98
98
98
99
100
103
103
3. Klasyfikacja ............................................................................................................. 105
Zbiór danych MNIST
Uczenie klasyfikatora binarnego
Miary wydajności
Pomiar dokładności za pomocą sprawdzianu krzyżowego
Macierz pomyłek
Precyzja i pełność
4
Spis treści
Poleć książkę
105
107
108
108
110
111
Kup książkę
Kompromis pomiędzy precyzją a pełnością
Wykres krzywej ROC
Klasyfikacja wieloklasowa
Analiza błędów
Klasyfikacja wieloetykietowa
Klasyfikacja wielowyjściowa
Ćwiczenia
112
116
119
121
124
125
127
4. Uczenie modeli ........................................................................................................129
Regresja liniowa
Równanie normalne
Złożoność obliczeniowa
Gradient prosty
Wsadowy gradient prosty
Stochastyczny spadek wzdłuż gradientu
Schodzenie po gradiencie z minigrupami
Regresja wielomianowa
Krzywe uczenia
Regularyzowane modele liniowe
Regresja grzbietowa
Regresja metodą LASSO
Metoda elastycznej siatki
Wczesne zatrzymywanie
Regresja logistyczna
Szacowanie prawdopodobieństwa
Funkcje ucząca i kosztu
Granice decyzyjne
Regresja softmax
Ćwiczenia
130
131
134
135
138
141
143
145
146
150
150
153
155
156
157
158
159
160
162
166
5. Maszyny wektorów nośnych .....................................................................................167
Liniowa klasyfikacja SVM
Klasyfikacja miękkiego marginesu
Nieliniowa klasyfikacja SVM
Jądro wielomianowe
Cechy podobieństwa
Gaussowskie jądro RBF
Złożoność obliczeniowa
Regresja SVM
Mechanizm działania
Funkcja decyzyjna i prognozy
Cel uczenia
Spis treści
Kup książkę
167
168
170
171
172
173
175
175
177
177
178
5
Poleć książkę
Zgłoś jeśli naruszono regulamin