●譯者序
原書前言
第1章如何解決機器學習中的所有問題//1
1.1什麼是一個問題//1
1.2什麼是一個算法//2
1.3什麼是機器學習//3
1.4是否需要機器學習//3
1.5一般問題解決過程//4
1.6什麼是一個模型//5
1.6.1什麼是一個好的模型//6
1.7本書主要內容與章節安排//6
1.8為什麼選擇Go語言//7
1.9快速啟動//7
1.10函數//7
1.11變量//8
1.11.1值//9
1.11.2類型//9
1.11.3方法//11
1.11.4接口//11
1.11.5包和導入//12
1.12開始//13
第2章線性回歸——房價預測//14
2.1項目背景//15
2.2探索性數據分析//15
2.2.1數據攝取和索引//16
2.2.2數據清洗工作//18
2.2.3進一步的探索性工作//25
2.2.4標準化//33
2.3線性回歸//34
2.3.1回歸//35
2.3.2交叉驗證//37
2.4討論和下一步的工作//39
2.5小結//40
第3章分類——垃圾郵件檢測//41
3.1項目背景//41
3.2探索性數據分析//42
3.2.1數據標記//42
3.2.2規範化和詞干提取//45
3.2.3停用詞//45
3.2.4數據攝取//46
3.3分類器//47
3.4樸素貝葉斯//48
3.4.1TF-IDF//48
3.4.2條件概率//49
3.4.3特征//51
3.4.4貝葉斯定理//51
3.5分類器實現//52
3.5.1類//53
3.5.2分類器第Ⅱ部分//54
3.6程序整合//58
3.7小結//61
第4章利用時間序列分析分解二氧化碳趨勢//62
4.1探索性數據分析//62
4.1.1從非HTTP數據源下載//63
4.1.2處理非標準數據//63
4.1.3處理小數型日期//64
4.1.4繪圖//65
4.2分解//68
4.2.1STL//69
4.2.2更多繪制內容//81
4.3預測//86
4.4小結//89
參考文獻//89
第5章通過聚類整理個人推特賬戶的時間線//90
5.1項目背景//90
5.2K均值//90
5.3DBSCAN//92
5.4數據采集//92
5.5探索性數據分析//92
5.6數據信息//96
5.6.1處理器//97
5.6.2單字預處理//99
5.6.3單條推特處理//103
5.7聚類//103
5.7.1K均值聚類//104
5.7.2DBSCAN聚類//105
5.7.3DMMClust聚類//107
5.8實際數據//108
5.9程序//111
5.10程序調整//113
5.10.1距離調整//114
5.10.2預處理步驟調整//115
5.11小結//117
第6章神經網絡——MNIST手寫體識別//118
6.1神經網絡//118
6.1.1模擬神經網絡//119
6.2線性代數101//121
6.2.1激活函數探討//123
6.3學習功能//125
6.4項目背景//126
6.4.1Gorgonia//126
6.4.2數據獲取//126
6.4.3什麼是張量//129
6.4.4構建神經網絡//138
6.4.5前饋//139
6.4.6利用maybe類型進行錯誤處理//140
6.4.7前饋函數說明//142
6.4.8成本//143
6.4.9反向傳播//143
6.5神經網絡訓練//146
6.6交叉驗證//148
6.7小結//150
第7章卷積神經網絡——MNIST手寫體識別//151
7.1有的一切認識都是錯誤的//151
7.2回顧神經網絡//151
7.2.1Gorgonia//152
7.2.2構建一個神經網絡//161
7.3項目//164
7.3.1數據獲取//164
7.3.2上一章的其他內容//166
7.4CNN簡介//168
7.4.1什麼是卷積//168
7.4.2優選池化//176
7.4. 出//176
7.5構建一個CNN//176
7.5.1反向傳播//180
7.6運行神經網絡//182
7.7測試//186
7.7.1準確率//188
7.8小結//189
第8章基本人臉檢測//190
8.1什麼是人臉//190
8.1.1Viola-Jones//191
8.2PICO//194
8.2.1關於學習的注意事項//194
8.3GoCV//195
8.3.1API//195
8.4PIGO//195
8.5人臉檢測程序//196
8.5.1從網絡攝像頭獲取圖像//196
8.5.2圖像顯示//197
8.5.3在圖像上塗鴉//198
8.5.4人臉檢測1//198
8.5.5人臉檢測2//200
8.5.6算法結合//205
8.6算法評估//206
8.7小結//208
第9章熱狗或者不是熱狗——使用外部服務//209
9.1MachineBox//209
9.2什麼是MachineBox//210
9.2.1登錄和注冊//210
9.2.2Docker安裝與設置//211
9.2.3在Go語言中使用MachineBox//211
9.3項目//212
9.3.1訓練//212
9.3.2從網絡攝像頭讀取圖像//213
9.3.3美化結果//214
9.4結果//216
9.5這一切意味著什麼//218
9.6為什麼采用MachineBox//219
9.7小結//219
第10章今後發展趨勢//220
10.1讀者應該關注什麼//221
10.1.1從業者//221
10.1.2研究人員//221
10.2研究人員、從業者及其利益相關者//222
10.3本書未涉及的內容//222
10.4更多學習資源//223