Справка
x
Поиск
Закладки
Озвучить книгу
Изменить режим чтения
Изменить размер шрифта
Оглавление
Для озвучивания и цитирования книги перейдите в режим постраничного просмотра.
Python и машинное обучение
Глава 7. Объединение моделей для методов ансамблевого обучения
Предыдущая страница
Следующая страница
Table of contents
Предисловие
Об авторе
О рецензентах
Введение
Глава 1. Наделение компьютеров способностью обучаться на данных
+
Глава 2. Тренировка алгоритмов машинного обучения для задачи классификации
+
Глава 3. Обзор классификаторов с использованием библиотеки scikit-learn
+
Глава 4. Создание хороших тренировочных наборов - предобработка данных
+
Глава 5. Сжатие данных путем снижения размерности
+
Глава 6. Изучение наиболее успешных методов оценки моделей и тонкой настройки гиперпараметров
+
Глава 7. Объединение моделей для методов ансамблевого обучения
-
Обучение при помощи ансамблей
Реализация простого классификатора с мажоритарным голосованием
Объединение разных алгоритмов классификации методом мажоритарного голосования
Оценка и тонкая настройка ансамблевого классификатора
Бэггинг - сборка ансамбля классификаторов из бутстрап-выборок
Усиление слабых учеников методом адаптивного бустинга
Резюме
Глава 8. Применение алгоритмов машинного обучения в анализе мнений
+
Глава 9. Встраивание алгоритма машинного обучения в веб-приложение
+
Глава 10. Прогнозирование непрерывных целевых величин на основе регрессионного анализа
+
Глава 11. Работа с немаркированными данными - кластерный анализ
+
Глава 12. Тренировка искусственных нейронных сетей для распознавания изображений
+
Глава 13. Распараллеливание тренировки нейронных сетей при помощи Theano
+
Приложение А
+
Глоссарий основных терминов и сокращений
+
Предметный указатель
Данный блок поддерживает скрол*