《机器学习之路CaffeKerasscikitlearn实战PDF》电子书图书酷

本站主要采用城通网盘链接分享，因为其他网盘会和谐链接！非VIP会员的朋友请点击普通下载，弹窗关闭即可。速度可能比较慢，请耐心等待，提高下载速度，送您10元消费红包。

《机器学习之路CaffeKerasscikitlearn实战PDF》电子书

《机器学习之路CaffeKerasscikit-learn实战PDF》电子书内容简介

机器学习需要一条脱离过高理论门槛的入门之路。本书《机器学习篇》从小红帽采蘑菇的故事开篇，介绍了基础的机器学习分类模型的训练（第1章）。如何评估、调试模型？如何合理地发掘事物的特征？如何利用几个模型共同发挥作用？后续章节一步一步讲述了如何优化模型，更好地完成分类预测任务（第2章），并且初步尝试将这些技术运用到金融股票交易中（第3章）。自然界*好的非线性模型莫过于人类的大脑。《深度学习篇》从介绍并对比一些常见的深度学习框架开始（第4章），讲解了DNN模型的直观原理，尝试给出一些简单的生物学解释，完成简单的图片识别任务（第5章）。后续章节在此基础上，完成更为复杂的图片识别CNN模型（第6章）。接着，本书展示了使用Caffe完成一个完整的图片识别项目，从准备数据集，到完成识别任务（第7章）。后面简单描述了RNN模型（第8章），接着展示了一个将深度学习技术落地到图片处理领域的项目（第9章）。

作者简介

阿布：多年互联网金融技术从业经验，曾就职于奇虎360、百度互联网证券、百度金融等互联网型金融公司，现自由职业，个人量化交易者，擅长个人中小资金量化交易领域系统开发，以及为中小型量化私募资金提供技术解决方案、技术支持、量化培训等工作。

胥嘉幸：北京大学硕士，先后就职于百度金融证券、百度糯米搜索部门。多年致力于大数据机器学习方面的研究，有深厚的数学功底和理论支撑。在将机器学习技术融于传统金融量化领域方面颇有研究。

三种机器学习问题

机器学习按应用的场景可以分为三类：

有监督机器学习（Supervised Learning）

无监督机器学习（Unsupervised Learning）

强化学习（Reinforcement Learning）

给定数据集和对应的标签：x-y，训练模型，预测输出，这是有监督机器学习。本质上，机器学习模型只是在机械地拟合数据内在关系的表达式，赋予模型应用层面意义的是y值的含义。给定一个蘑菇的颜色、尺寸等信息，当我们设置y值代表“是毒蘑菇还是普通蘑菇”这一类别时，这就是一个分类任务（Classification）；而当y值设置为

“蘑菇的重量”时，这就变成了一个“预测蘑菇的重”的回归任务（Regression）.

不关心有没有标签y，只是挖掘数据集x的一些内在规律，这是无监督机器学习。

本书不覆盖这一类问题。

在一些固定的场景下，机器在环境（Environment）中学习到策略（Strategy），按策略选择一个动作（Action），目标是让对应的回报（Reward）最大，这是强化学习研究的范畴。本书也不覆盖这一类问题。

很多现实中的问题都可以转化成分类/回归问题，比如：

识别类：如图像识别（按是不是某种图片进行分类）、异常监测（正常类、异常类）。

预测类：如房价预测、用户行为预测、个性化推荐。

搜索类：如对于用户输入的搜索关键词（Query），预测相关度，并以排序后的结果返回。

接下来将专注于有监督机器学习问题，你将进一步看到这些模型算法是如何巧妙地实现对人类学习过程的模拟。