深度学习精要 基于R语言pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

深度学习精要 基于R语言PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 深度学习入门 1

1.1 什么是深度学习 1

1.2 神经网络的概念综述 2

1.3 深度神经网络 6

1.4 用于深度学习的R包 8

1.5 建立可重复的结果 9

1.5.1 神经网络 12

1.5.2 deepnet包 13

1.5.3 darch包 14

1.5.4 H2O包 14

1.6 连接R和H2O 14

1.6.1 初始化H2O 15

1.6.2 数据集连结到H2O集群 17

1.7 小结 19

第2章 训练预测模型 20

2.1 R中的神经网络 20

2.1.1 建立神经网络 21

2.1.2 从神经网络生成预测 36

2.2 数据过拟合的问题——结果的解释 38

2.3 用例——建立并运用神经网络 41

2.4 小结 47

第3章 防止过拟合 48

3.1 L1罚函数 49

3.2 L2罚函数 53

3.2.1 L2罚函数实战 54

3.2.2 权重衰减（神经网络中的L2罚函数） 55

3.3 集成和模型平均 59

3.4 用例——使用丢弃提升样本外模型性能 62

3.5 小结 67

第4章 识别异常数据 68

4.1 无监督学习入门 69

4.2 自动编码器如何工作 70

4.3 在R中训练自动编码器 73

4.4 用例——建立并运用自动编码器模型 85

4.5 微调自动编码器模型 90

4.6 小结 95

第5章 训练深度预测模型 96

5.1 深度前馈神经网络入门 97

5.2 常用的激活函数——整流器、双曲正切和maxout 99

5.3 选取超参数 101

5.4 从深度神经网络训练和预测新数据 105

5.5 用例——为自动分类生成深度神经网络 114

5.6 小结 132

第6章 调节和优化模型 133

6.1 处理缺失数据 134

6.2 低准确度模型的解决方案 137

6.2.1 网格搜索 138

6.2.2 随机搜索 139

6.3 小结 151

参考文献 152