编辑推荐
一本机器学习实用指南。
内容简介
本书以浅显易懂的方式介绍了机器学习的基本概念和主要类型，并详细介绍使用Python及常见的库行数 据处理和机器学习的实操。此外，介绍了数据预处理的详细过程，最后通过若干典型案例加深 读者对机器学习的理解。
作者简介
作者谢雪葵，毕业于北邮软件学院计算机科学系软件工程专业。在校期间，多次获得专业一、二等奖学金，并成功带领团队行了校园APP的研发工作。阿诚网络的创始人，该公司专注于为企业提供大数据相关服务。主要业务包括为企业提供大数据技术支持和降低成本、提高效率的解决方案，同时也提供基于机器学习的预测模型和智能决策支持。
章节目录
版权信息
内容简介
前言
第1章 机器学习入门
1.1 机器学习简介
1.1.1 什么是机器学习
1.1.2 机器学习的前景
1.2 机器学习的主要类型
1.2.1 监督学习
1.2.2 无监督学习
1.2.3 半监督学习
1.2.4 强化学习
1.2.5 监督学习案例
1.3 选择正确的算法
第2章 机器学习工具和环境
2.1 Python介绍
2.1.1 Python的安装
2.1.2 Python基础语法
2.1.3 Python其他特性
2.1.4 Python简单实战案例（猜字游戏）
2.1.5 Python高级实战案例（网络爬虫）
2.2 数据科学库
2.2.1 NumPy
2.2.2 Pandas
2.2.3 数据科学库案例（电商网站）
2.3 机器学习库
2.3.1 Scikit-Learn
2.3.2 TensorFlow
2.3.3 Keras
2.3.4 机器学习库案例（预测糖尿病）
第3章 数据预处理
3.1 数据导入
3.2 数据清洗
3.3 特征工程
3.3.1 特征选择
3.3.2 特征转换
3.3.3 特征缩放
3.4 数据分割
3.4.1 训练集
3.4.2 测试集
3.4.3 验证集
3.5 案例分析：银行客户数据
第4章 机器学习模型的构建与评估
4.1 监督学习实战
4.1.1 线性回归
4.1.2 逻辑回归
4.1.3 决策树
4.1.4 随机森林
4.2 无监督学习实战
4.2.1 K-means
4.2.2 主成分分析
4.3 深度学习实战
4.3.1 神经网络
4.3.2 卷积神经网络
4.3.3 循环神经网络
4.4 模型评估与选择
4.5 案例分析：客户流失预测
第5章 机器学习项目实战
5.1 项目一：房价预测
5.1.1 数据获取与理解
5.1.2 数据预处理
5.1.3 特征工程
5.1.4 模型构建与训练
5.1.5 模型评估与优化
5.1.6 结果解释
5.2 项目二：图像识别
5.2.1 数据获取与理解
5.2.2 数据预处理
5.2.3 特征工程
5.2.4 模型构建与训练
5.2.5 模型评估与优化
5.2.6 结果解释
5.3 项目三：自然语言处理
5.3.1 数据获取与理解
5.3.2 数据预处理
5.3.3 特征工程
5.3.4 模型构建与训练
5.3.5 模型评估与优化
5.3.6 结果解释
5.4 项目四：新闻主题分类
5.4.1 数据获取与理解
5.4.2 数据预处理
5.4.3 特征工程
5.4.4 模型构建与训练
5.4.5 模型评估与优化
5.4.6 结果解释
5.5 项目五：信用卡欺诈检测
5.5.1 数据获取与理解
5.5.2 数据预处理
5.5.3 特征工程
5.5.4 模型构建与训练
5.5.5 模型评估与优化
5.5.6 结果解释
第6章 机器学习的挑战与前沿领域
6.1 机器学习的挑战
6.1.1 数据问题
6.1.2 模型问题
6.1.3 计算问题
6.1.4 评估和解释问题
6.2 机器学习的前沿领域
6.2.1 深度学习
6.2.2 强化学习
6.2.3 迁移学习
6.2.4 自适应学习和自监督学习
6.2.5 图神经网络
6.2.6 知识图谱表示学习
6.2.7 因果机器学习
6.2.8 机器人处理自动化
6.2.9 AI优化硬件
6.3 机器学习的资源
机器学习实战营：从理论到实战的探索之旅是2024年由电子工业出版社出版,作者谢雪葵。
得书感谢您对《机器学习实战营：从理论到实战的探索之旅》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
