Scikit·learn機器學習詳解下檢視原始碼討論檢視歷史

來自 孔夫子網 的圖片

《Scikit·learn機器學習詳解下》，潘風文，潘啟儒 著，出版社： 化學工業出版社。

化學工業出版社有限公司（簡稱「化工社」）組建於1953年，經過70年的發展，已成長為專業特色突出、品牌優勢明顯、有良好知名度和信譽度的中央級綜合科技出版社。目前出版領域包括科技圖書、大中專教材、大眾圖書、科技期刊和數字出版。

內容簡介

本書主要內容包括普通最小二乘法回歸、嶺回歸、Lasso回歸、彈性網絡回歸、正交匹配追蹤回歸、貝葉斯回歸、廣義線性回歸、隨機梯度下降回歸、被動攻擊回歸、魯棒回歸、多項式回歸、支持向量機回歸、核嶺回歸、最近鄰回歸、高斯過程回歸、決策樹、神經網絡模型、保序回歸、嶺分類、邏輯回歸分類、隨機梯度下降分類、感知機、被動攻擊分類、支持向量機分類、最近鄰分類、高斯過程分類、樸素貝葉斯模型、決策樹分類和神經網絡分類、無監督學習、半監督學習等。全書結合具體實例和圖表詳細講解，語言通俗，易於學習，適合機器學習和數據挖掘專業人員和人工智能愛好者閱讀，也可作為高等院校人工智能專業教材。

目錄

緒論 1

1　回歸模型 6

1.1　回歸算法分類 9

1.1.1　一般線性回歸 9

1.1.2　廣義線性回歸 10

1.1.3　非線性回歸 14

1.2　回歸模型的度量指標 14

1.3　樣本權重係數的理解 17

2　線性回歸模型 18

2.1　普通最小二乘法 19

2.2　嶺回歸（L2正則化回歸） 24

2.2.1　嶺回歸評估器 24

2.2.2　嶺跡曲線 29

2.2.3　交叉驗證嶺回歸評估器 31

2.3　Lasso回歸（L1正則化回歸） 36

2.3.1　Lasso回歸評估器 37

2.3.2　Lasso路徑 42

2.3.3　交叉驗證Lasso回歸評估器 44

2.3.4　多任務Lasso回歸 50

2.3.5　最小角Lasso回歸 61

2.4　彈性網絡回歸 71

2.4.1　彈性網絡回歸評估器 71

2.4.2　交叉驗證彈性網絡回歸評估器 76

2.4.3　多任務彈性網絡回歸評估器 81

2.4.4　交叉驗證多任務彈性網絡回歸評估器 84

2.5　正交匹配追蹤回歸 86

2.6　貝葉斯線性回歸 92

2.7　廣義線性回歸 96

2.8　隨機梯度下降回歸 100

2.9　被動攻擊回歸 108

2.10 魯棒回歸 114

2.10.1　隨機抽樣一致性回歸 114

2.10.2　泰爾-森回歸 119

2.10.3　胡貝爾回歸 123

2.11 多項式回歸 127

3　非線性回歸模型 132

3.1　支持向量機回歸 133

3.2　核嶺回歸 145

3.3　最近鄰回歸 147

3.3.1　算法簡介 149

3.3.2　距離度量指標 151

3.3.3　最近鄰回歸評估器 154

3.4　高斯過程回歸 159

3.5　決策樹 167

3.5.1　決策樹模型算法簡介 168

3.5.2　決策樹回歸評估器 185

3.6　神經網絡模型 191

3.7　保序回歸 199

4　分類模型 203

4.1　廣義線性回歸分類與非線性分類模型 204

4.2　分類模型的度量指標 209

5　線性分類模型 210

5.1　嶺分類 211

5.2　邏輯回歸分類 214

5.3　隨機梯度下降分類 219

5.4　感知機 222

5.5　被動攻擊分類 226

6　非線性分類模型 231

6.1　支持向量機分類 232

6.1.1　支持向量分類評估器SVC 232

6.1.2　支持向量分類評估器NuSVC 234

6.1.3　支持向量分類評估器LinearSVC 234

6.2　最近鄰分類 237

6.2.1　K最近鄰分類評估器KNeighborsClassifier 237

6.2.2　徑向基最近鄰分類評估器 240

6.3　高斯過程分類 241

6.4　樸素貝葉斯模型 244

6.4.1　樸素貝葉斯算法 246

6.4.2　樸素貝葉斯分類 250

6.5　決策樹分類 255

6.6　神經網絡分類 259

7　無監督學習及模型 263

7.1　聚類 264

7.1.1　聚類算法簡介 267

7.1.2　聚類模型 270

7.2　雙聚類 282

7.2.1　譜聯合聚類 283

7.2.2　譜雙聚類 286

8　半監督學習及模型 287

8.1　標籤傳播算法 289

8.2　標籤蔓延算法 291

8.3　自訓練分類器 292