目 錄
       譯者序
  原書前言  
第1章 如何解決機(jī)器學(xué)習(xí)中的所有問題 // 1    
1.1 什么是一個(gè)問題 // 1    
1.2 什么是一個(gè)算法 // 2   
1.3 什么是機(jī)器學(xué)習(xí) // 3    
1.4 是否需要機(jī)器學(xué)習(xí) // 3    
1.5 一般問題解決過程 // 4    
1.6 什么是一個(gè)模型 // 5     
1.6.1 什么是一個(gè)好的模型 // 6   
1.7 本書主要內(nèi)容與章節(jié)安排 // 6    
1.8 為什么選擇Go語言 // 7    
1.9 快速啟動(dòng) // 7    
1.10 函數(shù) // 7    
1.11 變量 // 8     
1.11.1 值 // 9    
1.11.2 類型 // 9     
1.11.3 方法 // 11     
1.11.4 接口 // 11     
1.11.5 包和導(dǎo)入 // 12    
1.12 開始 // 13  
 第2章 線性回歸———房價(jià)預(yù)測(cè) // 14      
2.1 項(xiàng)目背景 // 15    
2.2 探索性數(shù)據(jù)分析 // 15     
2.2.1 數(shù)據(jù)攝取和索引 // 16     
2.2.2 數(shù)據(jù)清洗工作 // 18     
2.2.3 進(jìn)一步的探索性工作 // 25     
2.2.4 標(biāo)準(zhǔn)化 // 33    
2.3 線性回歸 // 34     
2.3.1 回歸 // 35     
2.3.2 交叉驗(yàn)證 // 37    
2.4 討論和下一步的工作 // 39    
2.5 小結(jié) // 40   
第3章 分類———垃圾郵件檢測(cè) // 41     
3.1 項(xiàng)目背景 // 41    
3.2 探索性數(shù)據(jù)分析 // 42     
3.2.1 數(shù)據(jù)標(biāo)記 // 42     
3.2.2 規(guī)范化和詞干提取 // 45    
3.2.3 停用詞 // 45     
3.2.4 數(shù)據(jù)攝取 // 46    
3.3 分類器 // 47    
3.4 樸素貝葉斯 // 48     
3.4.1 TF-IDF // 48      
3.4.2 條件概率 // 49     
3.4.3 特征 // 51     
3.4.4 貝葉斯定理 // 51    
3.5 分類器實(shí)現(xiàn) // 52     
3.5.1 類 // 53     
3.5.2 分類器第Ⅱ部分 // 54    
3.6 程序整合 // 58    
3.7 小結(jié) // 61   
第4章 利用時(shí)間序列分析分解二氧化碳趨勢(shì) // 62    
4.1 探索性數(shù)據(jù)分析 // 62     
4.1.1 從非HTTP數(shù)據(jù)源下載 // 63     
4.1.2 處理非標(biāo)準(zhǔn)數(shù)據(jù) // 63    
4.1.3 處理小數(shù)型日期 // 64     
4.1.4 繪圖 // 65    
4.2 分解 // 68     
4.2.1 STL // 69     
4.2.2 更多繪制內(nèi)容 // 81    
4.3 預(yù)測(cè) // 86    
4.4 小結(jié) // 89    
參考文獻(xiàn) // 89   
第5章 通過聚類整理個(gè)人推特賬戶的時(shí)間線 // 90     
5.1 項(xiàng)目背景 // 90    
5.2 K均值 // 90    
5.3 DBSCAN // 92    
5.4 數(shù)據(jù)采集 // 92     
5.5 探索性數(shù)據(jù)分析 // 92    
5.6 數(shù)據(jù)信息 // 96     
5.6.1 處理器 // 97     
5.6.2 單字預(yù)處理 // 99    
5.6.3 單條推特處理 // 103    
5.7 聚類 // 103     
5.7.1 K均值聚類 // 104     
5.7.2 DBSCAN聚類 // 105     
5.7.3 DMMClust聚類 // 107    
5.8 實(shí)際數(shù)據(jù) // 108    
5.9 程序 // 111    
5.10 程序調(diào)整 // 113     
5.10.1 距離調(diào)整 // 114     
5.10.2 預(yù)處理步驟調(diào)整 // 115    
5.11 小結(jié) // 117   
第6章 神經(jīng)網(wǎng)絡(luò)———MNIST手寫體識(shí)別 // 118     
6.1 神經(jīng)網(wǎng)絡(luò) // 118     
6.1.1 模擬神經(jīng)網(wǎng)絡(luò) // 119    
6.2 線性代數(shù)101 // 121     
6.2.1 激活函數(shù)探討 // 123    
6.3 學(xué)習(xí)功能 // 125    
6.4 項(xiàng)目背景 // 126     
6.4.1 Gorgonia // 126     
6.4.2 數(shù)據(jù)獲取 // 126     
6.4.3 什么是張量 // 129     
6.4.4 構(gòu)建神經(jīng)網(wǎng)絡(luò) // 138     
6.4.5 前饋 // 139  
6.4.6 利用maybe類型進(jìn)行錯(cuò)誤處理 // 140
6.4.7 前饋函數(shù)說明 // 142     
6.4.8 成本 // 143     
6.4.9 反向傳播 // 143    
6.5 神經(jīng)網(wǎng)絡(luò)訓(xùn)練 // 146    
6.6 交叉驗(yàn)證 // 148    
6.7 小結(jié) // 150   
第7章 卷積神經(jīng)網(wǎng)絡(luò)———MNIST手寫體識(shí)別 // 151    
7.1 有關(guān)神經(jīng)元的一切認(rèn)識(shí)都是錯(cuò)誤的   // 151    
7.2 回顧神經(jīng)網(wǎng)絡(luò) // 151     
7.2.1 Gorgonia // 152    
7.2.2 構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò) // 161    
7.3 項(xiàng)目 // 164     
7.3.1 數(shù)據(jù)獲取 // 164     
7.3.2 上一章的其他內(nèi)容 // 166    
7.4 CNN簡(jiǎn)介 // 168     
7.4.1 什么是卷積 // 168     
7.4.2池化 // 176     
7.4.出 // 176    
7.5 構(gòu)建一個(gè)CNN // 176     
7.5.1 反向傳播 // 180    
7.6 運(yùn)行神經(jīng)網(wǎng)絡(luò) // 182    
7.7 測(cè)試 // 186     
7.7.1 準(zhǔn)確率 // 188    
7.8 小結(jié) // 189    
第8章 基本人臉檢測(cè) // 190     
8.1 什么是人臉 // 190     
8.1.1 Viola-Jones // 191    
8.2 PICO // 194     
8.2.1 關(guān)于學(xué)習(xí)的注意事項(xiàng) // 194    
8.3 GoCV // 195     
8.3.1 API // 195    
8.4 PIGO // 195    
8.5 人臉檢測(cè)程序 // 196     
8.5.1 從網(wǎng)絡(luò)攝像頭獲取圖像 // 196     
8.5.2 圖像顯示 // 197     
8.5.3 在圖像上涂鴉 // 198     
8.5.4 人臉檢測(cè)1 // 198     
8.5.5 人臉檢測(cè)2 // 200     
8.5.6 算法結(jié)合 // 205    
8.6 算法評(píng)估 // 206    
8.7 小結(jié) // 208   
第9章 熱狗或者不是熱狗———使用外部服務(wù) // 209     
9.1 MachineBox // 209    
9.2 什么是MachineBox // 210     
9.2.1 登錄和注冊(cè) // 210     
9.2.2 Docker安裝與設(shè)置 // 211     
9.2.3 在Go語言中使用   MachineBox // 211    
9.3 項(xiàng)目 // 212     
9.3.1 訓(xùn)練 // 212  
9.3.2 從網(wǎng)絡(luò)攝像頭讀取圖像 // 213     
9.3.3 美化結(jié)果 // 214    
9.4 結(jié)果 // 216    
9.5 這一切意味著什么 // 218    
9.6 為什么采用MachineBox // 219    
9.7 小結(jié) // 219   
第10章 今后發(fā)展趨勢(shì) // 220      
10.1 讀者應(yīng)該關(guān)注什么 // 221     
10.1.1 從業(yè)者 // 221     
10.1.2 研究人員 // 221    
10.2 研究人員、從業(yè)者及其利益相關(guān)者 // 222    
10.3 本書未涉及的內(nèi)容 // 222    
10.4 更多學(xué)習(xí)資源 // 223