基於C#的機器學習--目錄

 轉載請註明出處：http://www.javashuo.com/article/p-smyksohy-g.html 

 文章發表的另外一個地址：https://blog.csdn.net/wyz19940328/article/details/85700819

目前國內關於機器學習的內容可能是Python或者Go或者C++的，.NET平臺下的可能是使用封裝好的工具包，而幾乎沒有關於如何使用C#實現的內容。目前有翻譯版本的NET平臺下的機器學習的書籍，不過倒是F#語言的，沒有C#。

目錄

1.機器學習的基本知識

機器學習概論

數據採集

人工智能

生物-AI

深度學習

機率與統計

開始你的機器學習項目

數據收集

數據準備

選擇與訓練模型

評估模型

調教模型

鳶尾花數據集

機器學習中的分類

監督式學習

誤差及方差的權衡

培訓的數據量

輸入空間維數

不正確的輸出值

數據的多樣性

無監督式學習

強化學習

構建、購買或開源

總結

2.貝葉斯定理-執行數據分析解決肇事逃逸之謎

概述樸素貝葉斯和圖形化數據

總結

3.懲罰與獎勵-強化學習

強化學習概況

Q-learning

SARSA

運行咱們的應用程序

漢諾塔遊戲

總結

4.模糊邏輯-穿越障礙

模糊邏輯

模糊的自主移動小車

總結

5.顏色混合-自組織映射和彈性神經網絡

在SOM引擎下

總結

6. 面部和動態檢測-圖像過濾器

人臉檢測

動態檢測

將檢測添加到應用程序中

總結

7. 旅行推銷員問題

旅行商問題

影響學習速率的參數

學習的有效範圍

總結

8.我應該接受這份工做嗎-使用決策樹

決策樹

決策節點

決策的變量

決策分支節點的集合

我應該接受這份工做嗎？

Numl 

Accord.NET 決策樹

代碼

混合矩陣

真-陽性

真-陰性

假-陽性

假-陰性

回憶

精度

可視化錯誤類型

總結

9.深層信念網絡

受限波爾茲曼機

分層

電腦在作夢？

總結

10. 微基準測試和激活功能

使用視覺繪圖方法

策劃全部功能

主函數

肯定基準點

總結

11. c# .NET中直觀的深度學習

什麼是深度學習?

OpenCL

OpenCL 層級

Kelp.Net Framework

函數

函數棧

函數字典

Caffe1

Loss

優化程序

數據集

測驗

監測Kelp.Net 

織布機

編寫測試

基準測試函數

運行單個基準測試

總結

12. 機器學習建模的基礎

關鍵ML任務和應用程序

構建ML模型的步驟

13. 垃圾郵件過濾

定義問題

準備數據

數據分析

構建數據的特徵

邏輯迴歸與樸素貝葉斯的Email垃圾郵件過濾

分類模型驗證

總結

14.情緒分析

15. 匯率預測

定義問題

準備數據

時間序列數據分析

構建數據的特徵

移動平均數

布林線指標

延遲變量

線性迴歸與支持向量機的比較

模型驗證

總結

16. 房屋和財產的公允價值

定義問題

分類變量和連續變量

無序分類變量

有序分類變量

連續變量

可變指標-售價

構建數據特徵及編碼

虛擬變量

特徵編碼

線性迴歸與支持向量機的比較

線性迴歸

向量機

具備多項式核的支持向量機

具備高斯核的支持向量機

模型驗證

總結

17. 客戶細分

定義問題

在線零售數據集的數據分析

處理缺失值

變量分佈

18. 音樂風格推薦

定義問題

爲音頻數據集構建特徵

目標變量的分佈

音頻特徵- MFCC

音樂流派分類的ML模型

邏輯迴歸

支持向量機與高斯核心

樸素貝葉斯

集成基礎學習模型

評估建議/排序模型

預測準確率

混淆矩陣

平均倒數排名

總結

19. 手寫數字識別

定義問題

圖像數據集的數據分析

目標變量分佈

手寫數字圖像

圖像特徵-像素

構建特徵和降維

將樣例集拆分爲訓練集和測試集

PCA降維

ML模式的手寫數字識別

加載數據

邏輯迴歸分類器

樸素貝葉斯分類器

神經網絡分類器

評估多類分類模型

混淆矩陣

準確度和精密度/召回

特徵(ROC)曲線和AUC

總結

20. 網絡攻擊檢測

問題定義

互聯網流量數據的數據分析

數據清理

目標變量分佈

分類變量分佈

連續變量分佈

構建特徵和主成分分析

目標和分類變量編碼

合適的主成分分析

主元特徵

用於異常檢測的主成分分類器

準備訓練

構建一個主成分分類器

評價異常檢測模型

總結

21. 信用卡詐騙偵測

問題定義

匿名信用卡數據的數據分析

目標變量分佈

特徵分佈

構建特徵和主成分分析

準備構建特徵

配置一個主成分分析

一類支持向量機和PCC

培訓模型的準備

主成分分類器

一類支持向量機

評價異常檢測模型

主成分分類器

一類支持向量機

總結

22. 下一步作什麼？

回顧

構建ML模型的步驟

分類模式

迴歸模型

聚類算法

現實生活中的挑戰

數據問題

基礎設施問題

可解釋性與準確性

其餘常見的技術

其餘ML庫

數據可視化庫和工具

數據處理技術

總結