Занимательное машинное обучение

Содержание книги "Занимательное машинное обучение "

ПРЕДИСЛОВИЕ
Пролог. ПОГОВОРИМ О МАШИННОМ ОБУЧЕНИИ
В кабинете у Саяка (1). Саяка и старшеклассница Ай
Глава 1. ЧТО ТАКОЕ РЕГРЕССИЯ
1.1. Сложности с прогнозом
1.2. Определяем зависимые и независимые переменные
1.3. Находим функцию линейной регрессии
1.4. Регуляризация результата
В кабинете у Саяка (2). Математическое повторение (1)
Глава 2. КАК ДЕЛАТЬ КЛАССИФИКАЦИЮ?
2.1. Приводим данные в порядок
2.2. Определяем класс данных
2.3. Логистическая регрессия
2.4. Классификация по решающему дереву
В кабинете у Саяка (3). Математическое повторение (2)
Глава 3. ОЦЕНКА РЕЗУЛЬТАТОВ
3.1. Без проверки тестовых данных никак нельзя
3.2. Обучающая, тестовая и проверочная выборки
3.3. Метод перекрестной проверки (кросс-валидации)
3.4. Доля правильно предсказанных объектов, точность, полнота и F-мера
В кабинете у Саяка (4). Математическое повторение (3)
Глава 4. ГЛУБОКОЕ ОБУЧЕНИЕ
4.1. Нейронная сеть
4.2. Обучение методом обратного распространения ошибок
4.3. Вызовы глубокого обучения
4.3.1. Проблема глубокой нейронной сети
4.3.2. Хитрости многоступенчатого обучения 1. Метод предварительного обучения
4.3.3. Хитрости многоступенчатого обучения 2. Функция активации
4.3.4. Хитрости многоступенчатого обучения 3. Как избежать переобучения
4.3.5. Нейронные сети со специализированной структурой
В кабинете у Саяка (5). Математическое повторение (4)
Глава 5. АНСАМБЛЕВЫЕ МЕТОДЫ
5.1. Бэггинг
5.2. Cлучайный лес
5.3. Бустинг
В кабинете у Саяка (6). Математическое повторение (5)
Глава 6. ОБУЧЕНИЕ БЕЗ УЧИТЕЛЯ
6.1. Кластеризация
6.1.1. Иерархическая кластеризация
6.1.2. Разделяющая кластеризация
6.2. Разложение матрицы
В кабинете у Саяка (7). Математическое повторение (6)
ЭПИЛОГ
ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ