《机器学习训练秘籍（Machine Learning Yearning 中文版）》pdf电子书免费下载
下载方式一：
百度网盘下载地址：https://pan.baidu.com/s/1vMdhAuUK89cYgrMWVuw0XQ
百度网盘密码：1111
下载方式二：
http://ziliaoshare.cn/Download/af_124571_pd_JQXXXLMJ（MachineLearningYearningZWB）.zip
|
|
作者：empty 页数：98 出版社：empty |
《机器学习训练秘籍（Machine Learning Yearning 中文版）》介绍
本书的重点不在于教授传统的机器学习算法，而在于教你如何使机器学习算法发挥作用，一些AI的技术课程会给你一个工具，而这本书将教会你如何使用这些工具。如果你渴望成为AI的技术领导者，并想要学习如何为团.
完成本书的阅读后，你将进一步理解如何为一个机器学习项目设定技术方向，但团队成员可能不理解你为何要推荐某个特定的方向。有时你希望你的团队定义一个单值评估指标，但他们并不认可你的想法，此时你将如何说服他们?这正是我决定缩短章节篇幅的原因一这样你就能够将它们打印出来，并且让你的成员仅阅读其中他们需要了解的那几页。优先级的稍加改变会对团队的生产力产生巨大的影响，我希望你能帮助团队做出一些这样的改变，从而成为团队里的超级英雄!木文档使用书栈网·Boole Stack.CN构建先修知识与符号说明如果你有学习过机器学习相关课程(例如我在Course ra开设的机器学习MOO C) ， 或者有过监督学习的应用经验，这本书的内容对你而言则不难理解。本书假设你熟悉监督学习(supervised learning) 概念， 即使用标注(labeled) 的训练样本(2，))归(logistic regression， 又译作逻辑回归、逻辑斯蒂回归) 和神经网络(neural network) 。虽然机器学习的形式有许多种，但当前具备实用价值的大部分机器学习算法都来自于监督学习。我将经常提及神经网络(也被人们称为“深度学习”)，但你只需对这个概念有基础的了解便可以阅读本书后面的内容。如果对上文提到的一些概念你还不是很熟悉， 可以在Course ra观看《机器学习》前三周的课程内容。(课程地址：http：//ml-class.org)本文档使用书栈网·BookStack.CN构建-10-来学习一个从”映射到”的函数。监餐学习算法主要包括线性回归(linear regression) 、对数几率回
规模驱动机器学习发展关于深度学习(神经网络)的一些想法在几十年前就有了，那为什么它们到现在才流行起来了呢?推动其近期发展的主要因素有两个；·数据可用性(data availability) ：如今人们在数字设备(笔记本电脑、移动设备等) 上花费的时间越来越多，对应的数字化行为与活动产生了海量的数据，而这些数据都可以提供给我们的学习算法用来训练。·计算规模(computational scale) ：在近几年前， 我们才开始有能力训练出规模足够大的神经网络来使用现有的海量数据集。具体来说， 即使你积累了更多的数据， 但应用在类似于对数几率回归(logistic regression) 这样较传统的学习算法上， 其性能表现(performance) 也将趋于“平稳”。这意味着算法的学习曲线将“变得平缓”， 就算提供更多的数据，算法的性能也将不再提升。
表现传统学习传统学习算法似乎并不知道要如何来处理现今这般规模量级的数据。在同样的监督学习任务下， 选择训练一个小型的神经网络(neutral network， NN) ， 你可能会获得较好的性能表现：表现算法小型神经网络传统学习算法数据量数据量油国最示了在小数据上用用网络的蚁果会更好。但这种效果与伟神经网用在大据时不太一数，在小欧露果情况下，传再法是否金表得更好，取决于人们进行特征选择工程，枫即，级作只有：20个训样本，那么使用到数八本还是神经网墙可能无关紫要：世时人为的特征择工程比起选择博算法蒋产生更大的彩。知体100万个样本政癌，就会成们使用神轻网。这里的“小型神经网络”指的是只含有少量的隐藏元/层/参数的神经网络。但如果你训练的神经网络规模越来越大，最终很有可能会获得更好的表现：
因此，为了获得最佳的性能表现，你可以这样做：·训练大型的神经网络，效果如同上图的绿色曲线；·拥有海量的数据。在算法训练时，许多其它的细节也同等重要，例如神经网络的架构。但目前来说，提升算法性能的更加可靠的方法仍然是训练更大的网络以及获取更多的数据。完成1和2的过程异常复杂，本书将对其中的细节作进一步的讨论。我们将从传统学习算法与神经网络中都起作用的通用策略入手，循序渐进地讲解至最前沿的构建深度学习系统的策略。木文档使用书栈网·BookStack CN构建-13-·开发集和测试集的定义·开发集和洲试集应该服从同一分布·开发集和测试集应该有多大?·使用单值评估指标进行忧化·优化指标和满意度指标·通过开发集和度量指标加速迭代·何时修改开发集、测试集和指标·小结：建立开发集和测试集