机器学习已经广泛地应用于各行各业，深度学习的兴起再次推动了人工智能的热潮。本书结合项目实践，首先讨论了TensorFlow、PySpark、TI-ONE等主流机器学习平台的主要...
电子书
内容简介
机器学习已经广泛地应用于各行各业，深度学习的兴起再次推动了人工智能的热潮。本书结合项目实践，首先讨论了主流机器学习平台的主要特点以及机器学习的实战难点。在此基础上，利用主流的机器学习开源平台TensorFlow、OpenVINO、PaddlePaddle等，通过17个实战案例，详细地分析了决策树、随机森林、支持向量机、逻辑回归、贝叶斯网络、聚类、卷积神经网络、循环神经网络、生成对抗网络等机器学习和深度学习算法在金融、零售、汽车、电力、交通、教育等典型领域的应用。
章节目录
- 扉页
- 版权页
- 前言
- 目录
- 第1章 机器学习基础
- 1.1 常用机器学习工具
- 1.2 数据分析技能培养
- 1.3 Anaconda 的安装与使用
- 第2章 贷款违约行为预测
- 2.1 建立信用评估模型的必要性
- 2.2 数据预处理
- 2.2.1 原始数据集
- 2.2.2 基础表数据预处理
- 2.2.3 多表合并
- 2.3 模型选择
- 2.3.1 带正则项的Logistic 回归模型
- 2.3.2 朴素贝叶斯模型
- 2.3.3 随机森林模型
- 2.3.4 SVM模型
- 2.4 整体流程
- 2.4.1 初始表预处理与合并
- 2.4.2 拆分数据集
- 2.4.3 模型训练和评估
- 2.5 客户细分
- 第3章 保险风险预测
- 3.1 背景介绍
- 3.2 数据预处理
- 3.2.1 数据加载
- 3.2.2 缺失值处理
- 3.2.3 属性值的合并与连接
- 3.2.4 数据转换
- 3.2.5 数据标准化和归一化
- 3.3 多维分析
- 3.4 基于神经网络模型预测保险风险
- 3.5 使用SVM 预测保险风险
- 第4章 银行客户流失预测
- 4.1 问题描述
- 4.2 数据预处理
- 4.2.1 非数值特征处理
- 4.2.2 数据离散化处理
- 4.2.3 数据筛选
- 4.2.4 数据分割
- 4.3 数据建模
- 4.3.1 决策树模型
- 4.3.2 构建决策树模型
- 4.4 模型校验评估
- 4.4.1 混淆矩阵
- 4.4.2 ROC 曲线
- 4.4.3 决策树参数优化
- 4.4.4 k 折交叉验证
- 4.5 算法性能比较
- 第5章 基于深度神经网络的股票预测
- 5.1 股票趋势预测的分析思路
- 5.2 数据预处理
- 5.2.1 数据归一化
- 5.2.2 加窗处理
- 5.2.3 分割数据集
- 5.2.4 标签独热编码转化
- 5.3 模型训练
- 5.4 模型评估
- 5.5 模型比较
- 第6章 保险产品推荐保
- 6.1 保险产品推荐的流程
- 6.2 数据提取
- 6.3 数据预处理
- 6.3.1 去重和合并数据集
- 6.3.2 缺失值处理
- 6.3.3 特征选择
- 6.3.4 类型变量独热编码化
- 6.3.5 数值变量规范化
- 6.3.6 生成训练集和测试集
- 6.4 构建保险预测模型
- 6.5 模型评估
- 第7章 零售商品销售预测
- 7.1 问题分析
- 7.2 数据探索
- 7.3 数据预处理
- 7.3.1 填补缺失值
- 7.3.2 修正异常值
- 7.3.3 新建字段
- 7.3.4 类型变量数值化和独热编码化
- 7.3.5 数据导出
- 7.4 建立销售量预测模型
- 7.4.1 线性回归模型
- 7.4.2 Ridge 回归模型
- 7.4.3 LASSO 回归模型
- 7.4.4 Elastic Net 回归模型
- 7.4.5 决策树回归模型
- 7.4.6 梯度提升树回归模型
- 7.4.7 随机森林回归模型
- 7.5 模型评估
- 第8章 汽车备件销售预测
- 8.1 数据理解
- 8.2 数据预处理
- 8.2.1 属性的删除
- 8.2.2 处理缺失值
- 8.2.3 异常值处理
- 8.2.4 数据格式转换
- 8.3 建模分析与评估
- 8.3.1 回归决策树算法
- 8.3.2 时间序列分析
- 8.3.3 聚类分析
- 第9章 火力发电厂工业蒸汽量预测
- 9.1 确定业务问题
- 9.2 数据理解
- 9.3 工业蒸汽量的预测建模过程
- 9.3.1 数据预处理
- 9.3.2 建模分析与评估
- 第10章 图片风格转化
- 10.1 CycleGAN 原理
- 10.2 模型比较
- 10.2.1 CycleGAN 与pix2pix
- 10.2.2 CycleGAN 与DistanceGAN
- 10.3 使用TensorFlow 实现图片风格转化
- 第11章 车道检测
- 11.1 数据预处理
- 11.2 网络模型选择
- 11.3 构建车道检测模型
- 11.4 训练模型
- 11.5 车道检测模型测试
- 第12章 GRU算法在基于Session的推荐系统中的应用
- 12.1 问题分析
- 12.2 数据探索与预处理
- 12.2.1 数据变换
- 12.2.2 数据过滤
- 12.2.3 数据分割
- 12.2.4 格式转换
- 12.3 构建GRU 模型
- 12.3.1 GRU 概述
- 12.3.2 构建GRU 推荐模型
- 12.4 模型评估
- 第13章 人脸老化预测
- 13.1 问题分析
- 13.2 图片编码与GAN 设计
- 13.3 模型实现
- 13.4 实验分析
- 第14章 出租车轨迹数据分析
- 14.1 数据获取
- 14.2 数据预处理
- 14.3 数据分析
- 14.3.1 出租车区域推荐以及交通管理建议
- 14.3.2 城市规划建议
- 第15章 城市声音分类
- 15.1 数据准备与探索
- 15.2 特征提取
- 15.3 构建城市声音分类模型
- 15.3.1 使用MLP 训练声音分类模型
- 15.3.2 使用LSTM 与GRU 网络训练声音分类模型
- 15.3.3 使用CNN 训练声音分类模型
- 15.4 声音分类模型评估
- 15.4.1 MLP 网络性能评估
- 15.4.2 L STM与GRU网络性能评估
- 15.4.3 CNN 性能评估
- 第16章 基于YOLO的智能交通灯控制
- 16.1 目标检测原理
- 16.2 OpenVINO 模型优化
- 16.3 系统运行环境
- 16.4 模型转化
- 16.4.1 视频采集与处理
- 16.4.2 检测结果可视化
- 16.4.3 交通灯控制模块
- 第17章 基于GoogLeNet的危险物品检测
- 17.1 GoogLeNet 简介
- 17.2 运行环境
- 17.3 危险物品检测模型实现
- 17.3.1 视频采集与处理
- 17.3.2 检测结果可视化
- 17.3.3 检测报警
- 第18章 基于PoseNet的人体姿态估计
- 18.1 PoseNet 动作分析
- 18.2 视频采集与处理
- 18.3 PoseNet 模型调用
- 第19章 安全驾驶检测
- 19.1 导入Python 相关的模块包
- 19.2 数据探索
- 19.3 数据预处理
- 19.4 模型构建及训练
- 19.5 模型验证
- 19.6 OpenVINO 的环境配置
- 19.7 模型转换
- 19.8 利用OpenVINO 运行优化后的IR 模型
- 第20章 O2O优惠券使用预测
- 20.1 数据来源分析
- 20.2 数据预处理
- 20.2.1 用户特征提取
- 20.2.2 商户特征提取
- 20.2.3 优惠券特征提取
- 20.2.4 生成训练和测试数据集
- 20.3 模型构建
- 20.3.1 构建RNN 网络模型
- 20.3.2 构建双向LSTM 网络模型
- 20.3.3 构建GRU 网络模型
- 20.4 实验结果
- 参考文献
展开全部
机器学习案例实战（第2版）是2021年由人民邮电出版社出版,作者赵卫东 著。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《机器学习案例实战（第2版）》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。
电子书
电子书
本书共11章，从推荐系统的发展历史、基本构成开始，依次剖析推荐系统的内容召回、协同过滤召回、深度学习召回中具有代表性的模型；再从经典排序模型到基于深度学习的排序，顺势介绍会话推...
电子书
本书使用Python的机器学习算法库scikit-learn讲解机器学习重要算法的应用，内容包括机器学习认知、数据预处理、KNN算法、线性回归算法、逻辑回归算法、朴素贝叶斯算法...
电子书
本书共11章，分别介绍了机器学习概述、数据准备、特征工程、有监督学习、无监督学习、智能推荐的相关知识，并介绍了市财政收入分析案例、基于非侵入式电力负荷监测与分解的电力分析案例、...
电子书
本书共8章，内容包括Python概述、NumPy数值计算、pandas基础、pandas进阶、Matplotlib绘图、scikit-learn、餐饮企业综合分析与预测、通信运...
电子书
机器学习是人工智能的重要技术基础，涉及的内容十分广泛。本书涵盖了机器学习和深度学习的基础知识，主要包括机器学习的概述、统计学基础、分类、聚类、神经网络、贝叶斯网络、支持向量机、...