简介
本书从数据集、数据清理开始谈起,在介绍机器学习的建模方式后,第2章详细说明了机器学习与深度学习所涉及的矩阵、向量等技术。第3章使用Keras搭建深度学习模型,也介绍了激活函数、损失函数、反向传播、过拟合或欠拟合等问题。第4章给出了训练深度学习模型的过程中可能存在的交叉验证问题。当需要提高模型精度时,可以考虑参考第5章中的L1/L2正则化、丢弃正则化、早停等方式。第6章讲解模型评估问题,在太平洋飓风数据集上指出准确率的局限性,从而引出混淆矩阵、ROC曲线、AUC评分等概念。接下来的3章介绍卷积神经网络、迁移学习、循环神经网络等问题,这些内容在工业实际项目中占据核心地位,值得大家多写代码、多实践。
编辑推荐
本书用丰富的实践和实训带领读者使用Keras来进行深度学习的开发,实用性强,具有很好的应用价值。
更多出版物信息
- 版权: 清华大学出版社
- 出版: 2023-05-01
- 更新: 2023-11-21
- 书号:9787302627647
- 中图:TP181
- 学科:工学控制科学与工程工学计算机科学与技术交叉学科智能科学与技术
相关图书
-
概率深度学习 使用Python、Keras和TensorFlow Probability
[德] 奥利弗·杜尔(Oliver Dürr)、贝亚特·西克(Beate Sick)、埃尔维斯·穆里纳(Elvis Murina)著 崔亚奇 唐田田 但波 译
¥98.00 -
Python深度学习异常检测 使用Keras和PyTorch
[美] 斯里达尔·阿拉(Sridhar Alla)、苏曼·卡拉扬·阿达里(Suman Kalyan Adari)著 杨小冬 译
¥98.00