摘要

适读人群 ：本书适合能看懂Python 代码，对机器学习感兴趣，期望入门的读者。
都说这年头不会点机器学习不好意思出门，但高深的数学理论，复杂的算法又让很多人忘而却步，不知从何下手，《机器学习篇》绕过理论障碍，打通了一条由浅入深的机器学习之路。
丰富的实战案例讲解，介绍如何将机器学习技术运用到股票量化交易、图片渲染、图片识别等领域。

机器学习之路 Caffe Keras scikit-learn实战 作者：阿布，胥嘉幸

机器学习之路 Caffe Keras scikit-learn实战 出版社：电子工业出版社

机器学习之路 Caffe Keras scikit-learn实战 内容简介

机器学习需要一条脱离过高理论门槛的入门之路。本书《机器学习篇》从小红帽采蘑菇的故事开篇，介绍了基础的机器学习分类模型的训练（第1章）。如何评估、调试模型？如何合理地发掘事物的特征？如何利用几个模型共同发挥作用？后续章节一步一步讲述了如何优化模型，更好地完成分类预测任务（第2章），并且初步尝试将这些技术运用到金融股票交易中（第3章）。自然界*好的非线性模型莫过于人类的大脑。《深度学习篇》从介绍并对比一些常见的深度学习框架开始（第4章），讲解了DNN模型的直观原理，尝试给出一些简单的生物学解释，完成简单的图片识别任务（第5章）。后续章节在此基础上，完成更为复杂的图片识别CNN模型（第6章）。接着，本书展示了使用Caffe完成一个完整的图片识别项目，从准备数据集，到完成识别任务（第7章）。后面简单描述了RNN模型（第8章），接着展示了一个将深度学习技术落地到图片处理领域的项目（第9章）。

机器学习之路 Caffe Keras scikit-learn实战 目录

前言

第一篇　机器学习篇

第1章　初识机器学习

第2章　机器学习进阶

第3章　实战：股票量化

第二篇　深度学习篇

第4章　深度学习：背景和工具

第5章　深层学习模型

第6章　学习空间特征

第7章　Caffe实例：狗狗品种辨别

第8章　漫谈时间序列模型

第9章　用深度学习做个艺术画家——模仿实现prisma

附录A　机器学习环境部署

A.1　Anaconda环境部署

A.2　使用Anaconda

A.3　pip环境部署

A.4　安装abupy

附录B　深度学习环境部署

B.1　部署Keras

B.2　部署Caffe

附录C　随书代码运行环境部署

机器学习之路 Caffe Keras scikit-learn实战 精彩文摘

机器学习篇主要面向机器学习零基础的读者，已有相关知识的读者可以直接跳过这一篇。

本章将介绍几个浅层的学习模型，并尝试解释这些模型背后的“直观”原理。通过对本章的学习，相信你将有能力将这些模型运用到自己的工程中。

当人类用感情和希望去创造一样东西，那一样东西就会被赋予灵魂。

——宫崎骏《猫的报恩》

本节将对比机器学习和人类学习的过程。

400多年前，我们发明了望远镜，拓展了“视觉”的能力；320年前，我们发明了代步工具——自行车，提升了“步行”的能力；100多年前，从热气球到莱特兄弟的飞机，我们具备了新的能力——“飞行”。在信息技术日益成熟的今天，机器学习将带我们步入更加神奇的世界——扩展“学习”的能力。

那么如何让机器像智能生物一样，获得学习的能力？早些时候的科学家一直试图让机械拥有真正意义上的智能，进而产生智能行为——学习，但最终这个方向并没有走通。今天的科学家走出了思维的桎梏，放弃纯粹的生物模仿，而是利用科学理论完成仿生——用数学模拟智能生物学习的过程。莱特兄弟发明的飞机是空气动力学的产物，而今天的机器学习是以数据为中心，通过训练模型发现数据中的某些内在模式，并将其运用到新数据中的技术。简单来说，机器学习就是研究数据，模拟生物学习的能力。

让我们先看一个简单的故事，直观对比一下机器学习和人类学习过程中的差异。

1.1.1　小红帽识别毒蘑菇

小红帽去森林采蘑菇，她希望自己能够了解哪些蘑菇是有毒的。第一天，采集了5朵蘑菇，小红帽观察蘑菇外表，发现其中2朵外表鲜艳的是毒蘑菇，3朵外表朴素的是正常蘑菇；于是小红帽学到一个新知识：“外表鲜艳的蘑菇是有毒的！”如图1-1所示。