Python機器學(xué)習(xí)實戰(zhàn)案例

定　價：￥39.00

作　者：	趙衛(wèi)東，董亮著
出版社：	清華大學(xué)出版社
叢編項：	高等學(xué)校人工智能理論與應(yīng)用實踐系列規(guī)劃教材
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥39.00)

ISBN：	9787302541899	出版時間：	2020-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	194	字數(shù)：

內(nèi)容簡介

　　《Python機器學(xué)習(xí)實戰(zhàn)案例》基于 Python語言，實現(xiàn)了10個典型的實戰(zhàn)案例，其內(nèi)容涵蓋了機器學(xué)習(xí)的基礎(chǔ)算法，主要包括統(tǒng)計學(xué)習(xí)基礎(chǔ)、分類、貝葉斯網(wǎng)絡(luò)、文本分析、圖像處理等機器學(xué)習(xí)理論。

作者簡介

　　復(fù)旦大學(xué)計算機科學(xué)技術(shù)學(xué)院副教授，主要負責(zé)商務(wù)數(shù)據(jù)分析、機器學(xué)習(xí)等課程的教學(xué)。主持國家自然科學(xué)基金以及上海市浦江人才以及企業(yè)合作課題等30多項項目。出版著作以及教材《商務(wù)智能（第四版）》《機器學(xué)習(xí)案例實戰(zhàn)》《python機器學(xué)習(xí)實戰(zhàn)案例》等10多部。獲得上海市2015年上海市科技進步二等獎。

圖書目錄

目錄

第1章集裝箱危險品瞞報預(yù)測

1.1業(yè)務(wù)背景分析

1.2數(shù)據(jù)提取

1.3數(shù)據(jù)預(yù)處理

1.3.1數(shù)據(jù)集成

1.3.2數(shù)據(jù)清洗

1.3.3數(shù)據(jù)變換

1.3.4數(shù)據(jù)離散化

1.3.5特征重要性篩選

1.3.6數(shù)據(jù)平衡

1.4危險品瞞報預(yù)測建模

1.5模型評估

第2章保險產(chǎn)品推薦

2.1業(yè)務(wù)背景分析

2.2數(shù)據(jù)探索

2.3數(shù)據(jù)預(yù)處理

2.4分類模型構(gòu)建

2.5平衡數(shù)據(jù)集

2.6算法調(diào)參

2.7模型比較

第3章圖書類目自動標(biāo)引系統(tǒng)

3.1業(yè)務(wù)背景分析

3.2數(shù)據(jù)提取

3.3數(shù)據(jù)預(yù)處理

3.4基于貝葉斯分類的文獻標(biāo)引

3.4.1增量訓(xùn)練

3.4.2特征降維與消歧

3.4.3權(quán)重調(diào)節(jié)

3.5性能評估與結(jié)論

3.6基于BERT算法的文獻標(biāo)引

3.6.1數(shù)據(jù)預(yù)處理

3.6.2構(gòu)建訓(xùn)練集

3.6.3模型實現(xiàn)

第4章基于分類算法的學(xué)習(xí)失敗預(yù)警

4.1業(yè)務(wù)背景分析

4.2學(xué)習(xí)失敗風(fēng)險預(yù)測流程

4.3數(shù)據(jù)收集

4.4數(shù)據(jù)預(yù)處理

4.4.1數(shù)據(jù)探查及特征選擇

4.4.2數(shù)據(jù)集劃分及不平衡樣本處理

4.4.3樣本生成及標(biāo)準(zhǔn)化處理

4.5隨機森林算法

4.5.1網(wǎng)格搜索及模型訓(xùn)練

4.5.2結(jié)果分析與可視化

4.5.3特征重要性分析

4.5.4與其他算法比較

第5章自然語言處理技術(shù)實例

5.1業(yè)務(wù)背景分析

5.2分析框架

5.3數(shù)據(jù)收集

5.4建立模型

5.4.1文本分詞

5.4.2主題詞提取

5.4.3情感分析

5.4.4語義角色標(biāo)記

5.4.5語言模型

5.4.6詞向量模型Word2vec

第6章基于標(biāo)簽的信息推薦系統(tǒng)

6.1業(yè)務(wù)背景分析

6.2數(shù)據(jù)預(yù)處理

6.2.1現(xiàn)有系統(tǒng)現(xiàn)狀

6.2.2數(shù)據(jù)預(yù)處理

6.3內(nèi)容分析

6.4基于協(xié)同過濾推薦

6.4.1用戶偏好矩陣構(gòu)建

6.4.2用戶相似度度量

6.5基于用戶興趣推薦

6.6“冷啟動”問題與混合策略

6.6.1冷啟動問題分析

6.6.2混合策略

第7章快銷行業(yè)客戶行為分析與流失預(yù)警

7.1業(yè)務(wù)背景分析

7.2數(shù)據(jù)預(yù)處理

7.2.1數(shù)據(jù)整理

7.2.2數(shù)據(jù)統(tǒng)計與探查

7.3用戶行為分析

7.3.1用戶流失風(fēng)險評估

7.3.2流失風(fēng)險預(yù)警模型集成

第8章基于深度學(xué)習(xí)的圖片識別系統(tǒng)

8.1業(yè)務(wù)背景分析

8.2圖片識別技術(shù)方案

8.3圖片預(yù)處理——表格旋轉(zhuǎn)

8.4圖片預(yù)處理——表格提取

8.5基于PaddlePaddle框架的文本識別

8.5.1環(huán)境安裝

8.5.2模型設(shè)計

8.5.3模型訓(xùn)練

8.5.4模型使用

8.6基于密集卷積網(wǎng)絡(luò)的文本識別模型

8.6.1訓(xùn)練數(shù)據(jù)生成

8.6.2DenseNet模型訓(xùn)練

8.6.3文本識別模型調(diào)用

第9章超分辨率圖像重建

9.1數(shù)據(jù)探索

9.2數(shù)據(jù)預(yù)處理

9.2.1圖像尺寸調(diào)整

9.2.2載入數(shù)據(jù)

9.2.3圖像預(yù)處理

9.2.4持久化測試數(shù)據(jù)

9.3模型設(shè)計

9.3.1殘差塊

9.3.2上采樣 PixelShuffler

9.3.3生成器

9.3.4判別器

9.3.5損失函數(shù)與優(yōu)化器定義

9.3.6訓(xùn)練過程

9.4實驗評估

第10章人類活動識別

10.1業(yè)務(wù)背景分析

10.2數(shù)據(jù)探索

10.3數(shù)據(jù)預(yù)處理

10.4模型構(gòu)建

10.5模型評估

附錄機器學(xué)習(xí)復(fù)習(xí)題

參考文獻