編輯推薦
深度學習是機器學習的一個分支,其基礎是一組試圖使用模型架構建立高水平抽象模型的算法。本書結閤R語言介紹深度學習軟件包H2O,幫助讀者理解深度學習的概念。本書從在R中設置可獲取的重要深度學習包開始,接著轉嚮建立神經網絡、預測和深度預測等模型,所有這些模型都由實際案例的輔助來實現。成功安裝瞭H2O軟件包後,你將學習預測算法。隨後本書會解釋諸如過擬閤數據、異常數據以及深度預測模型等概念。zui後,本書會介紹設計調參和優化模型的概念。
本書適閤那些胸懷大誌的數據科學傢,他們精通R語言數據科學概念,並希望可以使用R中的包進一步探索深度學習範式。讀者需要對R語言具備基礎的理解,並熟悉統計算法和機器學習技術。
通過閱讀本書,你將能夠:
● 建立R包H2O訓練深度學習模型;
● 理解深度學習模型背後的核心概念;
● 使用自動編碼器識彆異常數據或離群點;
● 使用深度神經網絡自動化地預測或分類數據;
● 使用正則化建立泛化模型,避免數據的過擬閤。
內容簡介
本書重點介紹如何將R語言和深度學習模型或深度神經網絡結閤起來,解決實際的應用需求。全書共6章,分彆介紹瞭深度這習基礎知識、訓練預測模型、如何防止過擬閤、識彆異常數據、訓練深度預測模型以及調節和優化模型等內容。
本書適閤瞭解機器學習概念和R語言並想要使用R提供的包來探索深度學習應用的讀者學習參考。
作者簡介
機器學習、深度學習、人工智能等相關領域的讀者,高校計算機專業的學生。機器學習、深度學習、人工智能等相關領域的讀者,高校計算機專業的學生。
目錄
目錄
第1章 深度學習入門 1
1.1 什麼是深度學習 1
1.2 神經網絡的概念
綜述 2
1.3 深度神經網絡 6
1.4 用於深度學習的R包 8
1.5 建立可重復的結果 9
1.5.1 神經網絡 12
1.5.2 deepnet包 13
1.5.3 darch包 14
1.5.4 H2O包 14
1.6 連接R和H2O 14
1.6.1 初始化H2O 15
1.6.2 數據集連結到H2O
集群 17
1.7 小結 19
第2章 訓練預測模型 20
2.1 R中的神經網絡 20
2.1.1 建立神經網絡 21
2.1.2 從神經網絡生成
預測 36
2.2 數據過擬閤的問題—
結果的解釋 38
2.3 用例—建立並運用
神經網絡 41
2.4 小結 47
第3章 防止過擬閤 48
3.1 L1罰函數 49
3.2 L2罰函數 53
3.2.1 L2罰函數實戰 54
3.2.2 權重衰減(神經網絡中的L2罰函數) 55
3.3 集成和模型平均 59
3.4 用例—使用丟棄提升樣本
外模型性能 62
3.5 小結 67
第4章 識彆異常數據 68
4.1 無監督學習入門 69
4.2 自動編碼器如何工作 70
4.3 在R中訓練自動編碼器 73
4.4 用例—建立並運用自動
編碼器模型 85
4.5 微調自動編碼器模型 90
4.6 小結 95
第5章 訓練深度預測模型 96
5.1 深度前饋神經網絡入門 97
5.2 常用的激活函數—整流器、雙麯正切和maxout 99
5.3 選取超參數 101
5.4 從深度神經網絡訓練和
預測新數據 105
5.5 用例—為自動分類生成
深度神經網絡 114
5.6 小結 132
第6章 調節和優化模型 133
6.1 處理缺失數據 134
6.2 低準確度模型的解決
方案 137
6.2.1 網格搜索 138
6.2.2 隨機搜索 139
6.3 小結 151
參考文獻 152
深度學習精要 基於R語言 下載 mobi epub pdf txt 電子書 格式