《基于H2O的机器学习实用方法：一种强大的可扩展的人工智能和深度学习技术》主要介绍了H2O的基本概念和应用。全书共11章，首先介绍了H2O在R和Python下的安装和启动、数据导入/导出和操作以及本书所用的三种不同示例数据集和常用的模型参数。然后分别介绍了随机森林、梯度推进机、线性模型、深度学习和无监督式学习等算法在三种不同数据集中的应用，分析对比了默认算法和改进算法的性能。另外，还讨论了相关其他内容。

达伦·库克，是一名具有20多年经验的软件开发师、数据分析师和技术总监，从事从金融交易系统到自然语言处理、数据可视化工具以及为一些优选大品牌制作网站等各类相关工作。他精通各种计算机编程语言，包括R、C++、PHP、JavaScript和Python。他在QQTrend公司工作，这是一家金融数据分析和数据产品公司。
连晓峰，已发表学术论文40余篇，其中被EI收录20余篇；主持项目子课题两项，省部级项目三项，校级项目两项，参与完成项目四项，省部级项目六项；出版教材两部，专著两部，译著四十部；获得国家发明两项，实用新型一项；现为中国电子学会不错会员，系统仿真学会会员，北京高新技术企业认定委员会专家库专家，《机器人技术与应用》杂志社理事，国家工信部工业和信息化科技人才专家库专家。

译者序
原书前言
章安装和快速启动1
1.1安装准备1
1.1.1安装R1
1.1.2安装Python2
1.1.3隐私保护2
1.1.4安装Java2
1.2利用R（CRAN）安装H2O3
1.3利用Python（pip）安装H2O4
1.4个学习示例5
1.4.1利用Python进行训练和预测8
1.4.2利用R进行训练和预测10
1.4.3性能与预测12
1.4.4运气不佳13
1.5Flow13
1.5.1数据14
1.5.2模型16
1.5.3预测17
1.5.4Flow中的其他注意事项18
1.6小结18
第2章数据导入数据导出19
2.1存储空间要求19
2.2数据准备20
2.3数据导入到H2O21
2.3.1加载csv文件21
2.3.2加载其他格式文件23
2.3.3从R中直接加载23
2.3.4从Python中直接加载25
2.4数据操作26
2.4.1懒操作、命名和删除26
2.4.2数据汇总27
2.4.3列操作28
2.4.4行聚合29
2.4.5索引30
2.4.6H2O中的数据拆分31
2.4.7行和列35
2.5数据从H2O中导出38
2.5.1导出数据帧38
2.5.2POJO39
2.5.3模型文件40
2.5.4保存所有模型40
2.6小结41
第３章数据集42
3.1数据集：建筑节能42
3.1.1设置和加载43
3.1.2数据列44
3.1.3拆分数据45
3.1.4观察46
3.1.5关于数据集50
3.2数据集：手写体50
3.2.1设置和加载51
3.2.2观察52
3.2.3帮助建模54
3.2.4关于数据集555.4建筑节能：默认的随机森林91
3.3数据集：足球比分56
3.3.1相关性59
3.3.2缺失数据.更多列62
3.3.3如何训练和测试？63
3.3.4设置和加载63
3.3.5其他第三方64
3.3.6缺失数据（再次）67
3.3.7设置和加载（再次）67
3.3.8关于数据集70
3.4小结70
第4章常用模型参数71
4.1支持测度71
4.1.1回归指数72
4.1.2分类指数72
4.1.3二项式分类73
4.2要素75
4.3努力76
4.4评分和验证76
4.5提前终止77
4.6检查点79
4.7交叉验证（又名k-folds）81
4.8数据加权82
4.9抽样、归纳84
4.10回归85
4.11输出控制87
4.12小结87
第5章随机森林88
5.1决策树88
5.2随机森林89
5.3参数895.5网格搜索93
5.5.1笛卡尔94
5.5.2随机离散96
5.5.3高层策略98
5.6建筑节能：改进的随机森林99
5.7MNIST：默认的随机森林101
5.8MNIST：改进的随机森林102
5.8.1增强数据105
5.9足球比赛：默认的随机森林106
5.10足球比赛：改进的随机森林108
5.11小结110
第6章梯度推进机111
6.1推进111
6.2好处、坏处和…神秘之处112
6.3参数113
6.4建筑节能：默认GBM114
6.5建筑节能：改进GBM115
6.6MNIST：默认GBM119
6.7MNIST：改进GBM120
6.8足球比赛：默认GBM122
6.9足球比赛：改进GBM123
6.10小结125
第7章线性模型126
7.1GLM参数126
7.2建筑节能：默认GLM130
7.3建筑节能：改进GLM132
7.4MNIST：默认GLM136
7.5MNIST：改进GLM137
7.6足球比赛：默认GLM139
7.7足球比赛：改进GLM141
7.8小结142
第8章深度学习（神经网络）143
8.1什么是神经网络？143
8.1.1数值与分类145
8.1.2神经网络层146
8.1.3激活函数147
8.2参数148
8.2.1深度学习正则化148
8.2.2深度学习评分149
8.3建筑节能：默认的深度学习152
8.4建筑节能：改进的深度学习153
8.5MNIST：默认的深度学习157
8.6MNIST：改进的深度学习159
8.7足球比赛：默认的深度学习163
8.8足球比赛：改进的深度学习164
8.9小结168
8.10附录：更多的深度学习参数169
第9章无监督学习171
9.1k均值聚类172
9.2深度学习自动编码器174
9.2.1层叠自动编码器177
9.3主成分分析178
9.4GLRM179
9.5缺失数据180
9.5.1GLRM183
9.5.2失去R183
9.6小结187
0章其他内容188
10.1重要且需要分析的内容188
10.2安装最新版本的H2O188
10.2.1由源代码构建189
10.3命令行运行189
10.4聚类189
10.4.1EC2190
10.4.2其他云提供商191
10.4.3Hadoop191
10.5SparkSparklingWater191
10.6朴素贝叶斯192
10.7集成192
10.7.1层叠：h2o.ensemble193
10.7.2分类集成195
10.8小结195
1章后记：一切运行良好！196
11.1建筑节能结果196
11.2MNIST结果197
11.3足球比赛结果199
11.4究竟有多差？200
11.4.1越多越好201
11.4.2仍渴望更多202
11.4.3困难排除202
11.4.4自动编码器203
11.4.5卷积和收缩204
11.4.6集成205
11.4.7这就是可能最差的情况.206
11.5小结206