機器學習套用系統設計

內容簡介

本書共分9章，主要內容有：第1章總結機器學習項目的推進流程。第2章介紹機器學習的主要功能和各種算法。第3章以垃圾郵件判別為例，介紹對學習完成後的預測模型進行離線評價的方法。第4章梳理在計算機系統里集成機器學習功能的模式，同時介紹機器學習基礎的日誌設計。第5章介紹機器學習分類任務里的正確答案數據的獲取方法。第6章介紹用於驗證實施方案是否真正有效的統計鑑定、因果推理，以及A/B試驗等方法。第3章是預測模型的離線驗證，本章則介紹實施過程中的實時驗證。第7章以電影推薦為例，學習推薦預測系統的開發實現案例。第8章闡述搜尋式分析過程及分析報告，結合在第1章的機器學習流程中出現的“不執行機器學習的例子”，介紹如何整理實際分析結果的相關心得。第9章採用所謂Uplift Modeling方法學習更有效的行銷方法。

圖書目錄

前言 1

第一部分

第1章機器學習項目流程 11

1.1 如何利用機器學習 11

1.2 機器學習項目的流程 13

1.3 實際系統中的機器學習問題的處理方法 27

1.4 機器學習系統的成功要素 32

1.5 小結 34

第2章機器學習的用途 . 35

2.1 算法選擇 35

2.2 分類 37

2.3 回歸 69

2.4 聚類與降維 .72

2.5 其他 74

2.6 小結 76

第3章學習結果的評價 . 77

3.1 分類的評價矩陣 .77

3.2 回歸的評價 .86

3.3 機器學習系統的A/B測試 .88

3.4 小結 89

第4章機器學習系統的開發 91

4.1 機器學習系統的開發流程 91

4.2 系統設計 92

4.3 日誌設計 105

4.4 小結 110

第5章機器學習資源的收集 . 111

5.1 機器學習資源的獲取 . 111

5.2 利用公開的數據集或模型 113

5.3 開發者自己創建訓練數據 114

5.4 他人幫忙輸入數據 . 116

5.5 數據創建眾包 117

5.6 基於服務的用戶輸入 . 119

5.7 小結 120

第6章效果驗證 121

6.1 效果驗證概述 121

6.2 假設檢驗的框架 125

6.3 假設檢驗的注意事項 . 131

6.4 因果效應的推斷 137

6.5 A/B測試 . 141

6.6 小結 144

第二部分

第7章電影推薦系統 147

機器學習套用系統設計

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條