英语原文共 367 页，剩余内容已隐藏，支付完成后下载完整资料
鲁道夫·保林 著 严灿辉 译
用TensorFlow构建机器学习项目
通过项目实战，从复杂数据集获得更强的洞察力
用TensorFlow构建机器学习项目
目录表
用TensorFlow构建机器学习项目
贡献
关于作者
关于审阅者
为什么订阅？
序言
这本书覆盖的内容
你需要为这本书提前准备的一些东西
这本书的受众
一些约定
读者反馈
客户支持
下载示例代码
勘误表
侵权
疑问
- 数据的检测和转换
TensorFlow的主要数据结构-tensors
Tensors的属性-秩，形状以及类型
Tensors的秩
Tensors的形状
Tensors的数据类型
创建新tensors
如何从numpy到tensors,反之亦然
有用的方法
完成任务-与TensorFlow互动
解决计算过程-TensorFlow的数据流图
计算图构建
有用的操作对象方法
填充机制
变量
变量初始化
保存数据流图
图形序列化语言-协议缓冲区
有用的方法
示例图构建
运行我们的程序-Sessions
基本的tensors方法
简单矩阵运算
裁剪
tensors分割
排序
tensors形状转换
tensors分割和连接
数据流结构和结果可视化-TensorBoard
命令行使用
TensorBoard 如何工作
添加summary节点
普通summary操作
特殊summary函数
与TensorBoard的GUI的互动
从磁盘读信息
表格格式-CSV
Iris数据集
读图像数据
加载和处理图像
从标准的TensorFlow格式读
总结
- 群集
从数据中学习-非监督学习
群集
k-means
k-means的机制
算法迭代准侧
k-means算法分解
k-means算法的利与弊
k-nearest neighbors
k-nn的机制
k-nn的利与弊
一些有用库的实例展示
matplotlib绘图库
实例人工合成数据绘图
scikit-learn数据集模块
关于scikit-learn 库
人工合成数据集类型
Blobs数据集
使用方法
Circle数据集
使用方法
Moon数据集
项目1-k-means群集在人工合成数据集上的使用
数据集描述和加载
产生数据集
模型架构
损失函数描述与优化循环
终止条件
结果描述
完全源代码
- means在环形人工合成数据上的使用
项目2-k-nn在人工合成数据集上的使用
数据集生成
模型架构
损失函数描述
终止条件
结果描述
完全源代码
总结
- 线性回归
一元线性建模函数
实例数据生成
成本函数的确定
最小平方
成本函数最小化
最小平方的最小值
迭代方法-梯度下降法
示例部分
TensorFlow里的优化方法-训练模块
tf.train.optimizer类
其他优化实例类型
- 一元线性回归
数据集描叙
模型架构
成本函数描叙优化循环
终止条件
结果描叙
用TensorBoard检查结果
完全源代码
实例-多元线性回归
有用的库和方法
Pandas库
数据集描叙
模型架构
损失函数描述和优化循环
终止条件
结果描叙
完全源代码
总结
- Logistic回归
问题描叙
Logistic函数的先驱-logit函数
伯努利二项分布
Link函数
Logit函数
Logit逆的重要性
Logistic函数
Logistic函数是线性模型的推广
最终估计回归方程
Logistic函数的性质
损失函数
多类应用-softmax回归
成本函数
为迭代方法数据规范化
一种比较流行的输出表示方法
实例1-一元线性回归
有用的库和方法
TensorFlow的softmax的实现
数据集描叙和加载 全文共20880字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[863]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
