机器学习实战:基于ScikitLearn和TensorFlow

(副标题)：无 ;

(作者): Aurélien Géron ;

内容简介：

​ 第10章　人工神经网络简介
我们从鸟类那里得到启发，学会了飞翔，从牛蒡那里得到启发，发明了魔术贴，还有很多其他的发明都是被自然所启发。这么说来看看大脑的组成，并期望因此而得到启发来构建智能机器就显得很合乎逻辑了。这也是人工神经网络（ANN）思想的根本来源。不过，虽然飞机的发明受鸟类的启发，但是它并不用煽动翅膀来飞翔。同样，人工神经网络和它的生物版本也有很大差异。甚至有些研究者认为应该放弃对生物类比的使用（比如，称其为“单元”而不是“神经元”），以免我们将创造力限制在生物学[1]上。
人工神经网络是深度学习的核心中的核心。它们通用、强大、可扩展，使得它成为解决大型和高度复杂的机器学习任务的理想选择。比如将数以亿计的图片分类（如Google Images），支撑语音识别服务（如Apple的Siri），为数以千万计的用户每天推荐最佳视频（如YouTube），通过研究之前的数百万次的比赛并不断地和自己比赛，在围棋比赛中击败世界冠军（DeepMind的AlphaGo）。
本章将通过第一个ANN架构的快速教程来介绍人工神经网络。然后会展示多层感知器（MLP）并用TensorFlow来实现一个MLP，并用其来解决MNIST数字分类问题（见第3章）。
[1] 充分接受生物学上的启发，又无须担心生物学上的不可能性，可以让我们充分得到两个世界的最大价值。

目录预览：

​ 机器学习实战：基于ScikitLearn和TensorFlow
第一部分 机器学习基础
什么是机器学习
为什么要使用机器学习
机器学习系统的种类
机器学习的主要挑战
测试与验证
练习
第2章 端到端的机器学习项目
使用真实数据
观察大局
获取数据
从数据探索和可视化中获得洞见
机器学习算法的数据准备
选择和训练模型
微调模型
网格搜索
启动、监控和维护系统
试试看
练习
........