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 6. Изучение наиболее успешных методов оценки моделей и тонкой настройки гиперпараметров
Для продолжения работы требуется
Регистрация
Предыдущая страница
Следующая страница
Оглавление
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
-
Оптимизация потоков операций при помощи конвейеров
Загрузка набора данных Breast Cancer Wisconsin
Совмещение преобразователей и эстиматоров в конвейере
Использование k-блочной перекрестной проверки для оценки работоспособности модели
Метод проверки с откладыванием данных
k-блочная перекрестная проверка
Отладка алгоритмов при помощи кривой обучения и проверочной кривой
Диагностирование проблем со смещением и дисперсией при помощи кривых обучения
Решение проблемы переподгонки и недоподгонки при помощи проверочных кривых
Тонкая настройка машинно-обучаемых моделей методом сеточного поиска
Настройка гиперпараметров методом поиска по сетке параметров
Отбор алгоритмов методом вложенной перекрестной проверки
Обзор других метрик оценки работоспособности
Прочтение матрицы несоответствий
Оптимизация точности и полноты классификационной модели
Построение графика характеристической кривой
Оценочные метрики для многоклассовой классификации
Резюме
Глава 7. Объединение моделей для методов ансамблевого обучения
+
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*