Ешь, двигайся, спи Жесткий подход Дэна Кеннеди Телефоны Бизбук - c 10 до 18 по будним дням
 
Наши проекты:
Вход для зарегистрированных пользователей
Регистрация нового пользователя
Каталог книг Новинки Анонсы Заказы / Корзина Рассылка Оплата и Доставка Контакты
Вы находитесь в разделе каталога:
• Машинное обучение с использованием библиотеки Н2О, Кук Даррен


Машинное обучение с использованием библиотеки Н2О
Машинное обучение с использованием библиотеки Н2О
Кук Даррен
Год выпуска: 2016
Изд-во: ДМК
ISBN: 978-5-97060-508-0
Переплёт: твердый
250 страниц
Цена: 880.00 грн.
Есть в наличии
в корзину

Instant Purshare Только на 1 книгу
Доставка: по Киеву - в течение суток*
                по Украине - от 2 до 10 суток*
Машинное обучение наконец-то достигло стадии зрелости. При помощи программного обеспечения H2O вы можете решать задачи машинного обучения и анализа данных с использованием простого в использовании и открытого (open source) фреймворка, который поддерживает большое количество операционный систем и языков программирования, а также масштабируется для обработки больших данных.

Книга "Машинное обучение с использованием библиотеки Н2О" научит вас использовать алгоритмы машинного обучения, реализованные в H2O, с упором на наиболее важные для продуктивной работы аспекты.
Если вы умеете программировать на R или Python, хотя бы немного знаете статистику и имеете опыт обработки данных, эта книга Даррена Кука познакомит вас с основами использования H2O и поможет вам поэкспериментировать с машинным обучением на наборах данных разного размера. Вы изучите несколько современных алгоритмов машинного обучения: глубокое обучение, "случайный лес", обучение на неразмеченных данных и ансамбли моделей.

Прочтя книгу "Машинное обучение с использованием библиотеки Н2О", вы:
- узнаете, как импортировать данные в H2O, преобразовывать их и экспортировать их из H2O;
- изучите основные концепции машинного обучения, такие как перекрестная проверка и проверочные наборы данных;
- поработаете с тремя разными наборами данных, решая задачи регрессии, бинарной и многоклассовой классификации;
- используете H2O для анализа каждого набора данных при помощи четырех алгоритмов машинного обучения;
- поймете, как работает кластерный анализ и другие алгоритмы обучения на неразмеченных данных.

Понимание процесса построения моделей, тупиковых ситуаций и заканчивающихся провалом экспериментов является не менее важным, чем изучение кода!




Содержание книги "Машинное обучение с использованием библиотеки Н2О"




Предисловие..............................................................................................................10
Глава 1. Установка и начало работы........................................................................13
Подготовка к установке..............................................................................................13
Установка R.............................................................................................................13
Установка Python....................................................................................................14
Конфиденциальность.............................................................................................14
Установка Java.........................................................................................................15
Установка H2O при помощи R (CRAN)......................................................................15
Установка H2O при помощи Python (pip).................................................................16
Наша первая задача машинного обучения...............................................................17
Обучение и предсказания в Python.......................................................................21
Обучение и предсказания в R................................................................................23
Производительность и предсказания...................................................................25
Если вам не повезло...............................................................................................26
Веб-интерфейс Flow...................................................................................................27
Данные....................................................................................................................28
Модели.....................................................................................................................29
Предсказания..........................................................................................................31
Дополнительные сведения об интерфейсе Flow..................................................32
Резюме.........................................................................................................................32
Глава 2. Импортирование и экспортирование данных.........................................33
Требования к памяти.................................................................................................33
Подготовка данных.....................................................................................................34
Загрузка данных в H2O...............................................................................................35
Загрузка файлов в формате CSV............................................................................35
Загрузка файлов в других форматах.....................................................................37
Загрузка данных из R.............................................................................................38
Загрузка данных из Python....................................................................................39
Операции с данными.................................................................................................40
"Ленивость", присвоение имен и удаление.........................................................40
Итоговые статистики.............................................................................................42
Операции со столбцами.........................................................................................42
Агрегирование строк..............................................................................................43
Индексация.............................................................................................................44
Разделение данных в кластере H2O......................................................................46
Строки и столбцы...................................................................................................49
Выгрузка данных из H2O...........................................................................................52
Экспорт таблиц.......................................................................................................52
Формат POJO...........................................................................................................53
Файлы моделей.......................................................................................................54
Сохранение всех моделей......................................................................................54
Резюме.........................................................................................................................55
Глава 3. Наборы данных...........................................................................................56
Набор данных об энергетической эффективности..................................................56
Настройка и загрузка.............................................................................................57
Переменные............................................................................................................58
Разделение данных................................................................................................59
Изучение данных....................................................................................................60
О наборе данных.....................................................................................................64
Набор данных: рукописные цифры...........................................................................64
Настройка и загрузка.............................................................................................65
Изучение данных....................................................................................................66
Как можно "помочь" модели.................................................................................68
О наборе данных.....................................................................................................70
Набор данных: результаты футбольных матчей......................................................70
Корреляции.............................................................................................................73
Пропущенные данные............................................................................................76
Как обучать и тестировать?...................................................................................77
Настройка и загрузка.............................................................................................77
Третий источник данных.......................................................................................78
Снова про пропущенные данные..........................................................................80
Настройка и загрузка (снова).................................................................................80
О наборе данных.....................................................................................................83
Резюме.........................................................................................................................83
Глава 4. Общие параметры моделей.......................................................................84
Поддерживаемые метрики........................................................................................84
Метрики для регрессии..........................................................................................85
Метрики для классификации.................................................................................85
Бинарная классификация......................................................................................86
Основы........................................................................................................................88
Объем выполняемой работы.....................................................................................89
Оценка и проверка.....................................................................................................90
Ранняя остановка.......................................................................................................90
Контрольные точки....................................................................................................92
Перекрестная проверка..............................................................................................94
Взвешивание наблюдений.........................................................................................95
Выборки и обобщающая способность.......................................................................98
Регрессия.....................................................................................................................99
Контроль вывода результатов..................................................................................100
Резюме.......................................................................................................................100
Глава 5. "Случайный лес"........................................................................................101
Решающие деревья...................................................................................................101
"Случайный лес".......................................................................................................103
Параметры................................................................................................................103
Энергоэффективность зданий: "случайный лес" с настройками
по умолчанию...........................................................................................................105
Поиск по сетке..........................................................................................................107
Полный перебор...................................................................................................108
Случайный поиск..................................................................................................110
Общая стратегия...................................................................................................112
Энергоэффективность зданий: настроенный "случайный лес"...........................113
MNIST: "случайный лес" с настройками по умолчанию........................................114
MNIST: настроенный "случайный лес"...................................................................116
Дополненные данные...........................................................................................119
Футбол: "случайный лес" с настройками по умолчанию......................................120
Футбол: настроенный "случайный лес"..................................................................122
Резюме.......................................................................................................................124
Глава 6. Градиентный бустинг.................................................................................125
Бустинг......................................................................................................................125
Хорошее, плохое... и непонятное............................................................................126
Параметры ...............................................................................................................127
Энергоэффективность зданий: градиентный бустинг с настройками
по умолчанию...........................................................................................................128
Энергоэффективность зданий: настроенный градиентный бустинг...................130
MNIST: градиентный бустинг с настройками по умолчанию...............................133
MNIST: настроенный градиентный бустинг ..........................................................134
Футбол: градиентный бустинг с настройками по умолчанию..............................137
Футбол: настроенный градиентный бустинг..........................................................138
Резюме.......................................................................................................................140
Глава 7. Линейные модели......................................................................................141
Параметры GLM........................................................................................................141
Данные об энергоэффективности: GLM с настройками по умолчанию...............145
Данные об энергоэффективности: настроенная GLM ..........................................147
MNIST: GLM с настройками по умолчанию............................................................151
MNIST: настроенная GLM.........................................................................................153
Футбол: GLM с настройками по умолчанию...........................................................155
Футбол: настроенная GLM .......................................................................................156
Резюме.......................................................................................................................157
Глава 8. Глубокое обучение (нейронные сети).....................................................158
Что такое нейронные сети?......................................................................................159
Количественные и категориальные переменные..............................................160
Слои нейронной сети...........................................................................................161
Функции активации.............................................................................................163
Параметры................................................................................................................164
Регуляризация ......................................................................................................164
Оценка качества...................................................................................................165
Энергоэффективность зданий: модель глубокого обучения с настройками
по умолчанию...........................................................................................................168
Энергоэффективность зданий: настроенная модель глубокого обучения...........168
MNIST: модель глубокого обучения с настройками по умолчанию.....................174
MNIST: настроенная модель глубокого обучения..................................................175
Футбол: модель глубокого обучения с настройками по умолчанию....................179
Футбол: настроенная модель глубокого обучения.................................................180
Резюме.......................................................................................................................185
Приложение: дополнительные параметры............................................................185
Глава 9. Обучение на неразмеченных данных.....................................................187
Кластеризация методом k-средних.........................................................................188
Автокодировщики....................................................................................................191
Вложенные автокодировщики.............................................................................193
Метод главных компонент.......................................................................................194
GLRM..........................................................................................................................196
Пропущенные данные..............................................................................................196
GLRM......................................................................................................................200
Избавляемся от R..................................................................................................200
Резюме.......................................................................................................................203
Глава 10. Все остальное..........................................................................................204
Документация...........................................................................................................204
Установка актуальной версии..................................................................................204
Сборка из исходных кодов...................................................................................204
Запуск из командной строки...................................................................................205
Кластеры....................................................................................................................205
EC2.........................................................................................................................206
Другие облачные провайдеры.............................................................................206
Hadoop...................................................................................................................207
Spark / Sparkling Water..............................................................................................207
Наивный байесовский классификатор...................................................................207
Ансамбли...................................................................................................................208
Стекинг: h2o.ensemble..........................................................................................208
Ансамбли для классификации.............................................................................210
Резюме.......................................................................................................................210
Глава 11. Эпилог.......................................................................................................211
Результаты для данных об энергоэффективности.................................................211
Результаты для набора данных MNIST....................................................................213
Результаты для данных о футбольных матчах.......................................................214
Как далеко вы готовы зайти.....................................................................................216
Чем больше, тем лучше........................................................................................217
Еще больше данных..............................................................................................218
Отбор сложных примеров....................................................................................219
Автокодировщик..................................................................................................219
Сверточные сети...................................................................................................220
Ансамбли...............................................................................................................221
Результаты............................................................................................................222
Резюме.......................................................................................................................223
Приложение 1. Deep Water.....................................................................................224
Установка...................................................................................................................224
Сборка из исходных кодов...................................................................................224
Amazon Machine Image.........................................................................................224
Образ Docker.........................................................................................................224
Примеры данных..................................................................................................224
Обзор библиотеки Deep Water.................................................................................224
Глубокое обучение в библиотеке H2O.................................................................225
Современные тенденции в глубоком обучении.................................................225
Почему нужно использовать Deep Water............................................................225
Начало работы: набор данных MNIST.....................................................................226
Бекенды.................................................................................................................227
CPU и GPU..............................................................................................................227
Классификация изображений..................................................................................229
Данные..................................................................................................................229
Параметры изображений.....................................................................................229
Предварительно созданные архитектуры..........................................................229
Архитектуры, создаваемые пользователем.......................................................230
Предварительно обученные нейросети..............................................................230
Веб-интерфейс Flow.................................................................................................230
Поиск по сетке..........................................................................................................233
Полный перебор...................................................................................................233
Случайный поиск..................................................................................................234
Контрольные точки..................................................................................................235
Ансамбли...................................................................................................................237
Признаки скрытых слоев и меры сходства.............................................................238
Поддержка нескольких GPU.....................................................................................239
Развертывание моделей...........................................................................................240
MOJO......................................................................................................................240
Prediction Service Builder......................................................................................240
Приложение 2. Ансамбли (стекинг моделей).........................................................241
Вступление................................................................................................................241
Стекинг / Super Learner............................................................................................241
Алгоритм...............................................................................................................242
Вложенные ансамбли в библиотеке H2O................................................................242
Пример......................................................................................................................243
На языке R.............................................................................................................243
На языке Python....................................................................................................245
Вопросы и ответы.....................................................................................................247
Дополнительная информация.................................................................................248
Список литературы...................................................................................................248
Краткий предметный указатель............................................................................249

С этой книгой чаще всего покупают:
Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными

Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными

рекомендуем
Андреас Мюллер, Сара Гвидо
Год выпуска: 2016
Изд-во: Диалектика-Вильямс
в корзину
Только на 1 книгу
 
Python для сложных задач: наука о данных и машинное обучение

Python для сложных задач: наука о данных и машинное обучение

Дж. Вандер Плас
Год выпуска: 2016
Изд-во: Питер
Временно отсутствует Оставить заявку
Цена: 870.00 грн. 
 
Цена: 765.00 грн. 
Python и машинное обучение

Python и машинное обучение

Рашка С.
Год выпуска: 2016
Изд-во: ДМК
Временно отсутствует   Оставить заявку
 
Библиотека Keras — инструмент глубокого обучения

Библиотека Keras — инструмент глубокого обучения

Джулли А., Пал С.
Год выпуска: 2016
Изд-во: ДМК
Временно отсутствует Оставить заявку
Цена: 1298.00 грн. 
 
Цена: 970.00 грн. 
Глубокое обучение

Глубокое обучение

Гудфеллоу Я., Бенджио И., Курвилль А.
Год выпуска: 2018
Изд-во: ДМК
Временно отсутствует   Оставить заявку
 
Машинное обучение (Manning)

Машинное обучение (Manning)

Бринк Х., Ричардс Д., Феверолф М.
Год выпуска: 2016
Изд-во: Питер
в корзину
Только на 1 книгу
Цена: 2585.00 грн. 
 
Цена: 750.00 грн. 
Машинное обучение (цветное издание)

Машинное обучение (цветное издание)

Флах П.
Год выпуска: 2016
Изд-во: ДМК
Временно отсутствует   Оставить заявку
 
Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем (тверд)

Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем (тверд)

Орельен Жерон
Год выпуска: 2019
Изд-во: Диалектика-Вильямс
Временно отсутствует Оставить заявку
Цена: 1677.00 грн. 
 
Цена: 870.00 грн. 

Хотите оставить отзыв? У Вас возникли вопросы о книге "Машинное обучение с использованием библиотеки Н2О, Кук Даррен" ? Пишите:

* Текст сообщения:
 
  Отправить
Поиск по каталогу
 поиск в аннотациях
Искать

* Подробнее об условиях доставки смотрите в разделе "Оплата и Доставка" нашего магазина.
Если у Вас возникли вопросы как подобрать и купить книги в нашем интернет-магазине звоните с 10 до 18 по будним дням: Киев 331-04-53, Водафон (050) 809-56-66, Киевстар (067) 408-26-36, Лайф (063) 227-24-47, Интертелеком (094) 831-04-53 или пишите нам

 
   
  Programming - Dmitriy Kotov & Andrey Kotov