社区
教程
Wiki
注册
登录
创作新主题
社区所有版块导航
Python
python开源
Django
Python
DjangoApp
pycharm
DATA
docker
Elasticsearch
分享
问与答
闲聊
招聘
翻译
创业
分享发现
分享创造
求职
区块链
支付之战
aigc
aigc
chatgpt
WEB开发
linux
MongoDB
Redis
DATABASE
NGINX
其他Web框架
web工具
zookeeper
tornado
NoSql
Bootstrap
js
peewee
Git
bottle
IE
MQ
Jquery
机器学习
机器学习算法
Python88.com
反馈
公告
社区推广
产品
短视频
印度
印度
一周十大热门主题
用Python优雅地写LaTeX
易点天下入选虎嗅智库大鲸榜AIGC数字营销技术商TOP15
Python 3.8 新运算符 := 让我们懒出新高度
从AIGC到AGI,为什么我们需要更多的“技术信仰派”?
建筑人坦白局 | AIGC如何引爆传统设计?
UTM坐标转WGS84坐标,以及怎么查看python源代码!
开源机器学习编译器的“理想与现实” src:网页链接 -20240423084002
GitHub工业级开源软件:CAD 的官方源代码开放!
自动驾驶十年:AI 大爆发、Transformer「登基」和特斯拉的 ChatGPT 时刻︱酷商业
Open WebUI 私有部署本地chatgpt应用
关注
Py学习
»
机器学习算法
【2024机器学习新书】贝叶斯优化实战,426页pdf
机器学习初学者
• 1 月前 • 34 次点击
贝叶斯优化帮助您快速准确地找到最佳的机器学习模型配置。通过这本实用指南,将其先进技术付诸实践。在《贝叶斯优化实战》中,您将学习如何:
⏬电子书
下载
方式:
公众号后台回复:
20240323
在稀疏和大型数据集上训练高斯过程
将高斯过程与深度神经网络结合,使它们灵活且富有表达力
找到超参数调优的最成功策略
导航搜索空间并识别高性能区域
将贝叶斯优化应用于成本约束的、多目标的和偏好优化
用PyTorch、GPyTorch和BoTorch实现贝叶斯优化
《贝叶斯优化实战》向您展示如何应用最先进的贝叶斯技术来优化超参数调优、A/B测试以及机器学习过程的其他方面。本书使用清晰的语言、插图和具体例子证明了贝叶斯优化并不难!您将深入了解贝叶斯优化的工作原理,并学习如何使用最新的Python库来实现它。书中的易于重用代码样本让您可以直接插入到自己的项目中,立即上手。
前言由Luis Serrano和David Sweet撰写。购买纸质书包括从Manning Publications获得PDF、Kindle和ePub格式的免费电子书。
关于技术:在机器学习中,优化是关于在最少的步骤中实现最佳预测——最短的交付路线、完美的价格点、最准确的推荐。贝叶斯优化使用概率数学来高效微调ML函数、算法和超参数,尤其当传统方法太慢或太昂贵时。
关于本书:《贝叶斯优化实战》教您如何使用贝叶斯方法创建高效的机器学习过程。在本书中,您将探索训练大型数据集、超参数调优和导航复杂搜索空间的实用技术。这本有趣的书包括引人入胜的插图和有趣的例子,如完善咖啡的甜度、预测天气,甚至揭穿心灵感应的主张。您将学习如何在多目标场景中导航,考虑决策成本,并应对成对比较。
内容包括:
⏬电子书
下载
方式:
公众号后台回复:
20240323
针对稀疏和大型数据集的高斯过程
超参数调优策略
识别高性能区域
在PyTorch、GPyTorch和BoTorch中的示例
适用于读者:适合对数学和统计学有信心的机器学习从业者。
关于作者:
Quan Nguyen是圣路易斯华盛顿大学的研究助理。
他为Python软件基金会撰写文章,并撰写了多本关于Python编程的书籍。
目录:1 贝叶斯优化简介 第一部分 使用高斯过程建模 2 将高斯过程视为函数分布 3 使用均值和协方差函数自定义高斯过程 第二部分 使用贝叶斯优化做决策 4 使用改进基策略细化最佳结果 5 使用土匪风格策略探索搜索空间 6 使用信息理论的熵基策略 第三部分 将贝叶斯优化扩展到特定设置 7 使用批量优化最大化吞吐量 8 使用约束优化满足额外约束 9 使用多保真优化平衡效用和成本 10 使用偏好优化从成对比较中学习 11 同时优化多个目标 第四部分 特殊的高斯过程模型 12 将高斯过程扩展到大型数据集 13 将高斯过程与神经网络结合
封底简介:《贝叶斯优化实战》教您如何从头开始构建贝叶斯优化系统。这本书将最先进的研究转化为您可以轻松实践的可用技术——所有这些都配有有用的代码样本。您将通过吸引人的示例来提高对贝叶斯优化的理解——从预测天气到找到咖啡的最佳糖量,甚至决定某人是否有心灵感应!在此过程中,您将探索具有多个目标的情景,每个决策都有自己的成本,以及当反馈以成对比较的形式出现时。有了这些技术的集合,您将准备好为一切找到最佳解决方案——从运输和物流到癌症治疗。
适用于读者:适合对数学和统计学有信心的机器学习从业者。
关于作者:Quan Nguyen是Python程序员和机器学习爱好者。他对涉及不确定性的决策问题感兴趣。Quan已经撰写了多本关于Python编程和科学计算的书籍。他目前正在圣路易斯华盛顿大学攻读计算机科学博士学位,他在那里研究机器学习中的贝叶斯方法。
⏬电子书
下载
方式:
公众号后台回复:
20240323
Python社区是高质量的Python/Django开发社区
本文地址:
http://www.python88.com/topic/168298
34 次点击
登录后回复