第 1章 開始二人之旅 1 1.1　對(duì)機(jī)器學(xué)習(xí)的興趣　2 1.2　機(jī)器學(xué)習(xí)的重要性　4 1.3　機(jī)器學(xué)習(xí)的算法　7 1.4　數(shù)學(xué)與編程　12 第　2章 學(xué)習(xí)回歸——基于廣告費(fèi)預(yù)測(cè)點(diǎn)擊量　15 2.1　設(shè)置問題　16 2.2　定義模型　19 2.3　最小二乘法　22 2.4　多項(xiàng)式回歸　41 2.5　多重回歸　45 2.6　隨機(jī)梯度下降法　52 第3章　學(xué)習(xí)分類——基于圖像大小進(jìn)行分類　59 3.1　設(shè)置問題　60 3.2　內(nèi)積　64 3.3　感知機(jī)　69 3.3.1　訓(xùn)練數(shù)據(jù)的準(zhǔn)備　71 3.3.2　權(quán)重向量的更新表達(dá)式　74 3.4　線性可分　80 3.5　邏輯回歸　82 3.5.1　sigmoid函數(shù)　83 3.5.2　決策邊界　86 3.6　似然函數(shù)　91 3.7　對(duì)數(shù)似然函數(shù)　96 3.8　線性不可分　104 第4章　評(píng)估——評(píng)估已建立的模型　109 4.1　模型評(píng)估　110 4.2　交叉驗(yàn)證　112 4.2.1　回歸問題的驗(yàn)證　112 4.2.2　分類問題的驗(yàn)證　117 4.2.3　精確率和召回率　121 4.2.4　F值　125 4.3　正則化　130 4.3.1　過擬合　130 4.3.2　正則化的方法　131 4.3.3　正則化的效果　132 4.3.4　分類的正則化　139 4.3.5　包含正則化項(xiàng)的表達(dá)式的微分　140 4.4　學(xué)習(xí)曲線　144 4.4.1　欠擬合　144 4.4.2　區(qū)分過擬合與欠擬合　146 第5章　實(shí)現(xiàn)——使用Python編程　153 5.1　使用Python實(shí)現(xiàn)　154 5.2　回歸　155 5.2.1　確認(rèn)訓(xùn)練數(shù)據(jù)　155 5.2.2　作為一次函數(shù)實(shí)現(xiàn)　158 5.2.3　驗(yàn)證　164 5.2.4　多項(xiàng)式回歸的實(shí)現(xiàn)　168 5.2.5　隨機(jī)梯度下降法的實(shí)現(xiàn)　176 5.3　分類——感知機(jī)　179 5.3.1　確認(rèn)訓(xùn)練數(shù)據(jù)　179 5.3.2　感知機(jī)的實(shí)現(xiàn)　182 5.3.3　驗(yàn)證　185 5.4　分類——邏輯回歸　188 5.4.1　確認(rèn)訓(xùn)練數(shù)據(jù)　188 5.4.2　邏輯回歸的實(shí)現(xiàn)　189 5.4.3　驗(yàn)證　194 5.4.4　線性不可分分類的實(shí)現(xiàn)　197 5.4.5　隨機(jī)梯度下降法的實(shí)現(xiàn)　204 5.5　正則化　206 5.5.1　確認(rèn)訓(xùn)練數(shù)據(jù)　206 5.5.2　不應(yīng)用正則化的實(shí)現(xiàn)　210 5.5.3　應(yīng)用了正則化的實(shí)現(xiàn)　212 5.6　后話　215 附錄 A.1　求和符號(hào)、求積符號(hào)　218 A.2　微分　220 A.3　偏微分　224 A.4　復(fù)合函數(shù)　227 A.5　向量和矩陣　229 A.6　幾何向量　233 A.7　指數(shù)與對(duì)數(shù)　237 A.8　Python環(huán)境搭建　241 A.9　Python基礎(chǔ)知識(shí)　244 A.10　NumPy基礎(chǔ)知識(shí)　254