基于H2O的机器学习实用方法 一种强大的可扩展的人工智能和深度学习技术PDF|Epub|txt|kindle电子书版本网盘下载

基于H2O的机器学习实用方法 一种强大的可扩展的人工智能和深度学习技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 安装和快速启动1

1.1 安装准备1

1.1.1 安装R\1

1.1.2 安装Python2

1.1.3 隐私保护2

1.1.4 安装Java\2

1.2 利用R（CRAN）安装H2O \3

1.3 利用Python（pip）安装H2O \4

1.4 第一个学习示例5

1.4.1 利用Python进行训练和预测\8

1.4.2 利用R进行训练和预测\10

1.4.3 性能与预测\12

1.4.4 运气不佳13

1.5 Flow\13

1.5.1 数据\14

1.5.2 模型16

1.5.3 预测17

1.5.4 Flow中的其他注意事项18

1.6 小结\18

第2章 数据导入/数据导出19

2.1 存储空间要求19

2.2 数据准备20

2.3 数据导入到H2O21

2.3.1 加载csv文件21

2.3.2 加载其他格式文件23

2.3.3 从R中直接加载23

2.3.4 从Python中直接加载25

2.4 数据操作26

2.4.1 懒操作、命名和删除26

2.4.2 数据汇总27

2.4.3 列操作28

2.4.4 行聚合\29

2.4.5 索引30

2.4.6 H2O中的数据拆分31

2.4.7 行和列35

2.5 数据从H2O中导出38

2.5.1 导出数据帧38

2.5.2 POJO39

2.5.3 模型文件40

2.5.4 保存所有模型40

2.6 小结41

第3章 数据集42

3.1 数据集：建筑节能42

3.1.1 设置和加载43

3.1.2 数据列44

3.1.3 拆分数据45

3.1.4 观察46

3.1.5 关于数据集50

3.2 数据集：手写体50

3.2.1 设置和加载51

3.2.2 观察52

3.2.3 帮助建模54

3.2.4 关于数据集55

3.3 数据集：足球比分56

3.3.1 相关性\59

3.3.2 缺失数据★更多列62

3.3.3 如何训练和测试？\63

3.3.4 设置和加载63

3.3.5 其他第三方\64

3.3.6 缺失数据（再次）\67

3.3.7 设置和加载（再次）\67

3.3.8 关于数据集70

3.4 小结70

第4章 常用模型参数71

4.1 支持测度71

4.1.1 回归指数72

4.1.2 分类指数72

4.1.3 二项式分类73

4.2 要素75

4.3 努力76

4.4 评分和验证\76

4.5 提前终止77

4.6 检查点79

4.7 交叉验证（又名k-folds） \81

4.8 数据加权82

4.9 抽样、归纳84

4.10 回归85

4.11 输出控制87

4.12 小结87

第5章 随机森林88

5.1 决策树88

5.2 随机森林89

5.3 参数89

5.4 建筑节能：默认的随机森林91

5.5 网格搜索\93

5.5.1 笛卡尔\94

5.5.2 随机离散96

5.5.3 高层策略98

5.6 建筑节能：改进的随机森林99

5.7 MNIST：默认的随机森林101

5.8 MNIST：改进的随机森林102

5.8.1 增强数据105

5.9 足球比赛：默认的随机森林106

5.10 足球比赛：改进的随机森林108

5.11 小结110

第6章 梯度推进机111

6.1 推进111

6.2 好处、坏处和★神秘之处112

6.3 参数113

6.4 建筑节能：默认GBM114

6.5 建筑节能：改进GBM115

6.6 MNIST：默认GBM119

6.7 MNIST：改进GBM120

6.8 足球比赛：默认GBM122

6.9 足球比赛：改进GBM123

6.10 小结125

第7章 线性模型126

7.1 GLM参数126

7.2 建筑节能：默认GLM130

7.3 建筑节能：改进GLM132

7.4 MNIST：默认GLM136

7.5 MNIST：改进GLM137

7.6 足球比赛：默认GLM139

7.7 足球比赛：改进GLM141

7.8 小结142

第8章 深度学习（神经网络）143

8.1 什么是神经网络？143

8.1.1 数值与分类145

8.1.2 神经网络层146

8.1.3 激活函数147

8.2 参数148

8.2.1 深度学习正则化148

8.2.2 深度学习评分149

8.3 建筑节能：默认的深度学习152

8.4 建筑节能：改进的深度学习153

8.5 MNIST：默认的深度学习157

8.6 MNIST：改进的深度学习159

8.7 足球比赛：默认的深度学习163

8.8 足球比赛：改进的深度学习164

8.9 小结168

8.10 附录：更多的深度学习参数169

第9章 无监督学习171

9.1 k均值聚类172

9.2 深度学习自动编码器174

9.2.1 层叠自动编码器177

9.3 主成分分析178

9.4 GLRM179

9.5 缺失数据180

9.5.1 GLRM183

9.5.2 失去R183

9.6 小结187

第10章 其他内容188

10.1 重要且需要分析的内容188

10.2 安装最新版本的H2O188

10.2.1 由源代码构建189

10.3 命令行运行189

10.4 聚类189

10.4.1 EC2190

10.4.2 其他云提供商191

10.4.3 Hadoop191

10.5 Spark/Sparkling Water191

10.6 朴素贝叶斯192

10.7 集成192

10.7.1 层叠：h2o.ensemble193

10.7.2 分类集成195

10.8 小结195

第11章 后记：一切运行良好！196

11.1 建筑节能结果196

11.2 MNIST结果197

11.3 足球比赛结果199

11.4 究竟有多差？200

11.4.1 越多越好201

11.4.2 仍渴望更多202

11.4.3 困难排除202

11.4.4 自动编码器203

11.4.5 卷积和收缩204

11.4.6 集成205

11.4.7 这就是可能最差的情况★206

11.5 小结206