《Python大规模机器学习》—3.6 ​小结

3.6    小结

在本章中，我们讨论了通过将SVM添加到简单的基于回归的线性模型来扩展一开始介绍的非核心算法。大多数时候，我们专注于Scikit-learn实现（主要是SGD），并在最后介绍了能与Pythons 脚本集成的外部工具，比如John Langford的Vowpal Wabbit。在此过程中，我们通过讨论蓄水池采样、正则化、显式和隐式非线性转换以及超参数优化，对模型改进和验证技术进行概述。

在下一章中，将介绍更复杂、更强大的学习方法，同时给出适应于大规模问题的深度学习和神经网络方法。如果你的项目主要是分析图像和声音，那么到目前为止你看到的内容可能还不能满足你的需求，下一章将提供这样的内容。