TensorFlow機器學習實戰(zhàn)指南（原書第2版）

定　價：￥89.00

作　者：	尼克·麥克盧爾（Nick McClure）著，李飛劉凱盧建華李靜趙秀麗譯
出版社：	機械工業(yè)出版社
叢編項：	智能系統(tǒng)與技術叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787111631262	出版時間：	2019-07-01	包裝：	平裝
開本：	16開	頁數(shù)：	281	字數(shù)：

內容簡介

　　本書由數(shù)據(jù)科學家撰寫，從實戰(zhàn)角度系統(tǒng)講解TensorFlow基本概念及各種應用實踐。真實的應用場景和數(shù)據(jù)，豐富的代碼實例，詳盡的操作步驟，帶領讀者由淺入深系統(tǒng)掌握TensorFlow機器學習算法及其實現(xiàn)。本書第1章和第2章介紹了關于TensorFlow使用的基礎知識，后續(xù)章節(jié)則針對一些典型算法和典型應用場景進行了實現(xiàn)，并配有較詳細的程序說明，可讀性非常強。讀者如果能對其中代碼進行復現(xiàn)，則必定會對TensorFlow的使用了如指掌。

作者簡介

　　尼克·麥克盧爾（Nick McClure），數(shù)據(jù)科學家，目前就職于美國西雅圖PayScale公司，曾經在Zillow 公司和Caesar''s Entertainment公司工作，獲得蒙大拿大學和圣本尼迪克學院與圣約翰大學的應用數(shù)學專業(yè)學位。他熱衷于數(shù)據(jù)分析、機器學習和人工智能。Nick 有時會把想法寫成博客（http：//fromdata.org/）或者發(fā)推特（@nfmcclure）。

圖書目錄

譯者序
審校者簡介
前言
第1章　TensorFlow基礎 1
1.1　簡介 1
1.2　TensorFlow如何工作 1
1.2.1　開始 1
1.2.2　動手做 2
1.2.3　工作原理 3
1.2.4　參考 3
1.3　聲明變量和張量 4
1.3.1　開始 4
1.3.2　動手做 4
1.3.3　工作原理 6
1.3.4　延伸學習 6
1.4　使用占位符和變量 6
1.4.1　開始 6
1.4.2　動手做 6
1.4.3　工作原理 7
1.4.4　延伸學習 7
1.5　操作（計算）矩陣 8
1.5.1　開始 8
1.5.2　動手做 8
1.5.3　工作原理 10
1.6　聲明操作 10
1.6.1　開始 10
1.6.2　動手做 10
1.6.3　工作原理 12
1.6.4　延伸學習 12
1.7　實現(xiàn)激勵函數(shù) 12
1.7.1　開始 12
1.7.2　動手做 12
1.7.3　工作原理 14
1.7.4　延伸學習 14
1.8　讀取數(shù)據(jù)源 14
1.8.1　開始 15
1.8.2　動手做 15
1.8.3　工作原理 18
1.8.4　參考 18
1.9　其他資源 19
1.9.1　開始 19
1.9.2　動手做 19
第2章　TensorFlow進階 20
2.1　簡介 20
2.2　計算圖中的操作 20
2.2.1　開始 20
2.2.2　動手做 21
2.2.3　工作原理 21
2.3　TensorFlow的嵌入Layer 21
2.3.1　開始 21
2.3.2　動手做 22
2.3.3　工作原理 22
2.3.4　延伸學習 22
2.4　TensorFlow的多層Layer 23
2.4.1　開始 23
2.4.2　動手做 23
2.4.3　工作原理 24
2.5　TensorFlow實現(xiàn)損失函數(shù) 24
2.5.1　開始 25
2.5.2　動手做 26
2.5.3　工作原理 28
2.5.4　延伸學習 28
2.6　TensorFlow實現(xiàn)反向傳播 29
2.6.1　開始 29
2.6.2　動手做 30
2.6.3　工作原理 33
2.6.4　延伸學習 33
2.6.5　參考 33
2.7　TensorFlow實現(xiàn)批量訓練和隨機訓練 34
2.7.1　開始 34
2.7.2　動手做 34
2.7.3　工作原理 35
2.7.4　延伸學習 36
2.8　TensorFlow實現(xiàn)創(chuàng)建分類器 36
2.8.1　開始 36
2.8.2　動手做 37
2.8.3　工作原理 38
2.8.4　延伸學習 39
2.8.5　參考 39
2.9　TensorFlow實現(xiàn)模型評估 39
2.9.1　開始 39
2.9.2　動手做 40
2.9.3　工作原理 43
第3章　基于TensorFlow的線性回歸 44
3.1　簡介 44
3.2　用TensorFlow求逆矩陣 44
3.2.1　開始 45
3.2.2　動手做 45
3.2.3　工作原理 46
3.3　用TensorFlow實現(xiàn)矩陣分解 46
3.3.1　開始 46
3.3.2　動手做 46
3.3.3　工作原理 47
3.4　用TensorFlow實現(xiàn)線性回歸算法 47
3.4.1　開始 48
3.4.2　動手做 48
3.4.3　工作原理 50
3.5　理解線性回歸中的損失函數(shù) 51
3.5.1　開始 51
3.5.2　動手做 51
3.5.3　工作原理 52
3.5.4　延伸學習 53
3.6　用TensorFlow實現(xiàn)戴明回歸算法 53
3.6.1　開始 54
3.6.2　動手做 54
3.6.3　工作原理 55
3.7　用TensorFlow實現(xiàn)lasso回歸和嶺回歸算法 56
3.7.1　開始 56
3.7.2　動手做 56
3.7.3　工作原理 58
3.7.4　延伸學習 58
3.8　用TensorFlow實現(xiàn)彈性網絡回歸算法 58
3.8.1　開始 58
3.8.2　動手做 58
3.8.3　工作原理 60
3.9　用TensorFlow實現(xiàn)邏輯回歸算法 60
3.9.1　開始 60
3.9.2　動手做 61
3.9.3　工作原理 63
第4章　基于TensorFlow的支持向量機 65
4.1　簡介 65
4.2　線性支持向量機的使用 67
4.2.1　開始 67
4.2.2　動手做 67
4.2.3　工作原理 70
4.3　弱化為線性回歸 71
4.3.1　開始 71
4.3.2　動手做 72
4.3.3　工作原理 74
4.4　TensorFlow上核函數(shù)的使用 75
4.4.1　開始 75
4.4.2　動手做 76
4.4.3　工作原理 80
4.4.4　延伸學習 80
4.5　用TensorFlow實現(xiàn)非線性支持向量機 80
4.5.1　開始 80
4.5.2　動手做 80
4.5.3　工作原理 83
4.6　用TensorFlow實現(xiàn)多類支持向量機 83
4.6.1　開始 83
4.6.2　動手做 84
4.6.3　工作原理 87
第5章　最近鄰域法 88
5.1　簡介 88
5.2　最近鄰域法的使用 89
5.2.1　開始 89
5.2.2　動手做 89
5.2.3　工作原理 92
5.2.4　延伸學習 92
5.3　如何度量文本距離 92
5.3.1　開始 93
5.3.2　動手做 93
5.3.3　工作原理 95
5.3.4　延伸學習 95
5.4　用TensorFlow實現(xiàn)混合距離計算 95
5.4.1　開始 96
5.4.2　動手做 96
5.4.3　工作原理 98
5.4.4　延伸學習 98
5.5　用TensorFlow實現(xiàn)地址匹配 99
5.5.1　開始 99
5.5.2　動手做 99
5.5.3　工作原理 101
5.6　用TensorFlow實現(xiàn)圖像識別 102
5.6.1　開始 102
5.6.2　動手做 102
5.6.3　工作原理 104
5.6.4　延伸學習 105
第6章　神經網絡算法 106
6.1　簡介 106
6.2　用TensorFlow實現(xiàn)門函數(shù) 107
6.2.1　開始 107
6.2.2　動手做 108
6.2.3　工作原理 110
6.3　使用門函數(shù)和激勵函數(shù) 110
6.3.1　開始 111
6.3.2　動手做 111
6.3.3　工作原理 113
6.3.4　延伸學習 113
6.4　用TensorFlow實現(xiàn)單層神經網絡 114
6.4.1　開始 114
6.4.2　動手做 114
6.4.3　工作原理 116
6.4.4　延伸學習 117
6.5　用TensorFlow實現(xiàn)神經網絡常見層 117
6.5.1　開始 117