機器學習基礎與實踐

內容簡介

本課程從實踐角度考慮，結合部分數學統計學知識講解最經典的機器學習算法，主要內容是機器學習思想在具體項目上的示例和代碼實現、如何做算法的參數調試和分析各種算法的選擇等。本課程重視項目實踐如工業實踐、算法競賽實踐等，重視落地，使學生在實踐中思考不同算法之間的區別和聯繫，提高在實際工作中選擇算法的能力。本課程實踐項目涉及信用卡欺詐、公共腳踏車租賃、波士頓房價、捷運人流量預測、廣告點擊率、O2O電商優惠券核銷、美國人口普查及收入預測等18個實踐案例。

圖書目錄

第1章機器學習概覽1

1.1人工智慧技術發展史和機器學習定義1

1.2必要的基礎概念3

1.3機器學習項目工作流程5

1.4機器學習任務場景6

小結與討論8

習題8第2章特徵工程方法9

2.1特徵類型9

2.2特徵處理10

2.3特徵選擇11

2.4案例1：北京房價數據特徵工程12

2.4.1案例介紹12

2.4.2案例目標13

2.4.3案例拆解13

2.5案例2: 鐵達尼號乘客逃生數據特徵工程16

2.5.1案例介紹16

2.5.2案例目標17

2.5.3案例拆解17

小結與討論20

習題20第3章決策樹21

3.1決策樹實現過程21

3.2決策樹的目標函式24

3.3案例1: 鳶尾花分類26

3.3.1案例介紹26

3.3.2案例目標26

3.3.3案例拆解26

3.4案例2: 信用卡欺詐預測31

3.4.1案例介紹31

3.4.2案例目標31

3.4.3案例拆解31

小結與討論41

習題42第4章K最近鄰43

4.1K最近鄰實現43

4.2距離度量45

4.3案例1: O2O優惠券使用日期預測46

4.3.1案例介紹46

4.3.2案例目標46

4.3.3案例拆解47

4.4案例2: 葡萄酒原產地預測52

4.4.1案例介紹52

4.4.2案例目標52

4.4.3案例拆解52

小結與討論61

習題61第5章支持向量機62

5.1SVM建模思路62

5.2核技巧64

5.3案例1: 手寫數字識別69

5.3.1案例介紹69

5.3.2案例目標70

機器學習基礎與實踐

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條