深度學習精要 基於R語言 深度学习精要 基于R语言

[美] Joshua F. Wiley 威利

立即出貨 (庫存 < 3)

買這商品的人也買了...

商品描述

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合起來,解決實際的應用需求。全書共6章,分別介紹了深度這習基礎知識、訓練預測模型、如何防止過擬合、識別異常數據、訓練深度預測模型以及調節和優化模型等內容。
本書適合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。

目錄大綱

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建立可重複的結果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數據過擬合的問題— 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章防止過擬合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章識別異常數據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、雙曲正切和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