人気の古典的な機械学習フレームワークの多くはTensorFlow深さの前に学習に基づきます。例えば、サポートベクターマシン、等のようなランダムフォレストとしてKNN。より洗練された数学的な導出上に構築されたこれらの古典的な機械学習アルゴリズムの理論的な深さの調査と比較すると。オペレーションズ・リサーチ、最適化理論、数学的解析、数理統計学や確率過程は、これらのアルゴリズムの理論的な根拠はなく、さらに、ニューラルネットワークに基づく深い学習アルゴリズムのすべての種類を学習するための基礎を形成します。
推奨される機械学習入門「Pythonの機械学習ベースのチュートリアル、」Python言語入門。主な内容は次のとおりです。機械学習とそのアプリケーションの基本的な概念、実践の中で最も一般的に使用される機械学習アルゴリズムだけでなく、これらのアルゴリズムの長所と短所、データプレゼンテーションの重要性を機械学習で処理されると、どのような側面は、データに焦点を当てるべきであると;モデル評価とパラメータ調整の高度な方法は、クロスバリデーションとグリッドサーチを強調表示し、パイプラインの概念を、テキストデータに適用される法の前の章には、またユニークなアプローチのいくつかのテキストを提示する方法。
推奨読書:
英語PDF、392ページ、カタログやブックマーク、写真と色のHD、テキストをコピーすることができます;英語版を2にすることができ、「Pythonの機械学習ベースのチュートリアルは、」PDF、306ページ、カタログやブックマークの中国の高精細バージョンは、テキストをコピーすることができます比較研究。完全なソースコード。
ネットワークディスクのダウンロード:http://106.13.73.98