基于TensorFlow的机器学习速成课程25讲视频全集（10-12讲）

【导读】前些日子，大家都知道，Google 上线了基于 TensorFlow 的机器学习速成课程，它包含 40 多项练习、25 节课程以及 15 个小时的紧凑学习内容。

基于TensorFlow的机器学习速成课程25讲视频全集（01-03讲）

基于TensorFlow的机器学习速成课程25讲视频全集（04-06讲）

基于TensorFlow的机器学习速成课程25讲视频全集（07-09讲）

本课程是机器学习热爱者的自学指南，且课程资料都是中文书写，课程视频都由机器学习技术转述为中文音频。这对于中文读者来说将会有很大的帮助，我们也能选择英文语音以更精确地学习内容。这曾是 Google 内部培训工程师的课程，有近万名 Google 员工参与并将学到的东西用在产品的优化和增强上。

课程网址：

https://developers.google.cn/machine-learning/crash-course

注：最低下角可点击切换到中文版

课程目录

机器学习概念

01-03讲：机器学习简介、框架处理、深入了解ML

04-06讲：降低损失、使用TF的基本步骤、泛化

07-09讲：训练集和测试集、验证、表示法

10-12讲：特征组合、简单正则化、逻辑回归

13-15讲：分类、稀疏性正则化、神经网络简介

16-18讲：训练神经网络、多类别神经网络、嵌套

机器学习工程

19-20讲：生产环境机器学习系统、静态与动态训练

21-22讲：静态与动态推理、数据依赖关系

应用示例

23-25讲：癌症预测、18世纪文字、应用准则

第十讲：特征组合

特征组合是指两个或多个特征相乘形成的合成特征。特征的相乘组合可以提供超出这些特征单独能够提供的预测能力。

预计用时：5 分钟

学习目标

了解特征组合。

在 TensorFlow 中实施特征组合。

第十一讲：简化正则化

正则化指的是降低模型的复杂度以减少过拟合。

预计用时：5 分钟

学习目标

了解复杂度与泛化之间的权衡。

使用 L2 正则化进行实验。

第十二讲：逻辑回归

逻辑回归会生成一个介于 0 到 1 之间（不包括 0 和 1）的概率值，而不是确切地预测结果是 0 还是 1。以用于检测垃圾邮件的逻辑回归模型为例。如果此模型推断某一特定电子邮件的值为 0.932，则意味着该电子邮件是垃圾邮件的概率为 93.2%。更准确地说，这意味着在无限训练样本的极限情况下，模型预测其值为 0.932 的这组样本实际上有 93.2% 是垃圾邮件，其余的 6.8% 不是垃圾邮件。