利用Python调试机器学习模型

第1篇 机器学习建模的调试 第1章 代码调试 1.1 技术要求 1.2 机器学习概览 1.3 机器学习建模的类型 1.3.1 监督学习 1.3.2 无监督学习 1.3.3 自监督学习 1.3.4 半监督学习 1.3.5 强化学习 1.3.6 生成式机器学习 1.4 软件开发中的调试 1.4.1 Python中的错误消息 1.4.2 调试技巧 1.4.3 调试器 1.4.4 高质量Python编程的 实践 1.4.5 版本控制 1.4.6 Python之外的调试 1.5 用于建模的数据中的缺陷 1.5.1 数据格式和结构 1.5.2 数据数量和质量 1.5.3 数据偏差 1.6 以模型和预测为中心的调试 1.6.1 欠拟合和过拟合 1.6.2 模型测试和生产环境中的推理 1.6.3 用于改变全貌的数据或超参数 1.7 小结 1.8 思考题 1.9 参考文献 第2章 机器学习生命周期 2.1 技术要求 2.2 在开始建模之前需要了解的事项 2.3 数据收集 2.4 数据选择 2.5 数据探索 2.6 数据整理 2.6.1 结构化 2.6.2 充实和丰富 2.6.3 数据转换 2.6.4 数据清洗 2.7 建模数据准备 2.7.1 特征选择和提取 2.7.2 设计评估和测试策略 2.8 模型训练与评估 2.9 测试代码和模型 2.10 模型部署与监控 2.11 小结 2.12 思考题 2.13 参考文献 第3章 为实现负责任的人工智能而进行调试 3.1 技术要求 3.2 机器学习中的公正建模公平性 3.2.1 数据偏差 3.2.2 算法偏差 3.3 机器学习中的安全和隐私 3.3.1 数据隐私 …… 第2篇 改进机器学习模型 第3篇 低错误的机器学习开发与部署 第4篇 深度学习建模 第5篇 模型调试的 主题 附录A 思考题答案