下载链接: https://pan.baidu.com/s/1uv-WlddjXJDbSKCoEr1Rug 密码: wuj7
- 出版社: 人民邮电出版社; 第1版 (2017年7月1日)
- 平装: 266页
- 语种： 简体中文
- 开本: 16
- ISBN: 7115460418, 9787115460417
- 条形码: 9787115460417
- 商品尺寸: 23.4 x 18.6 x 1.6 cm
- 商品重量: 440 g
- 品牌: 人民邮电出版社
- ASIN: B073LC6GJZ
编辑推荐
这是一本难得的面向机器学习爱好者的入门级教程，本书涉及机器学习的基础理论和深度学习等相关内容，内容深入浅出。更加难能可贵的是，本书基于阿里云机器学习平台，针对7个具体的业务场景，搭建了完整的解决方案，给读者带来第1手的实战演练经验。
——阿里云zi深专家 褚崴
机器学习算法正在逐渐渗透到数据化运营的各个方面，算法和业务数据相结合可以大幅度地提高业务效率、降低成本。本书以算法的业务应用作为切入点，包含大量的案例说明，非常适合读者快速入门。
——阿里云高级专家 陈鹏宇
通过阅读本书，你将了解到：
■ 机器学习全流程的串联方式，包括数据预处理、特征工程、算法、模型评估等；
■ zui常用的机器学习算法，包括逻辑回归、随机森林、支持向量机、KMEANS、DBSCAN、K近邻、
马尔科夫决策、LDA、标签传播等；
■ 机器学习算法在实际业务中的应用，涉及金融、医疗、新闻、电商等诸多领域；
■ 机器学习的常用工具：R、Spark-MLib、TensorFlow、PAI等；
■ 时下zui热门的技术领域：深度学习、知识图谱等。
第1部分 机器学习的背景知识
■ 机器学习的发展历史以及现状
■ 机器学习的基本概念
第2部分 机器学习的算法流程
■ 场景解析
■ 数据预处理
■ 特征工程
■ 机器学习常规算法——分类算法、聚类算法、
回归算法、文本分析算法、推荐算法和关系图
算法
■ 深度学习算法——常用的3种模型DNN、CNN和RNN
第3部分 机器学习的相关工具
■ SPSS和R语言等单机统计分析环境
■ 分布式的算法框架Spark MLib和TensorFlow
■ 企业级的云算法服务AWS ML和阿里云PAI
第4部分 机器学习算法的实践案例
■ 心脏病预测
■ 商品推荐
■ 金融风控
■ 新闻分类
■ 贷款预测
■ 雾霾天气预报
■ 图片识别
第5部分 知识图谱
名人推荐
这是一本难得的面向机器学习爱好者的入门级教程，本书涉及机器学习的基础理论和深度学习等相关内容，内容深入浅出。更加难能可贵的是，本书基于阿里云机器学习平台，针对7个具体的业务场景，搭建了完整的解决方案，给读者带来第壹手的实战演练经验。
——阿里云资深专家 褚崴
机器学习算法正在逐渐渗透到数据化运营的各个方面，算法和业务数据相结合可以大幅度地提高业务效率、降低成本。本书以算法的业务应用作为切入点，包含大量的案例说明，非常适合读者快速入门。
——阿里云高级专家 陈鹏宇
作者简介
李博，花名“傲海”。目前任阿里云数据产品经理，主要负责机器学习平台的产品
化建设以及对外业务应用。本科、硕士毕业于北京邮电大学，曾就职于索尼和华为
（实习），从事数据相关产品的开发。作为CSDN博客专家、云栖社区博客专
家，长期分享IT技术相关文章，内容涉及机器学习算法、Android应用及源码
开发等领域。一直活跃于开发者社区，主导开发了多个GitHub百星开源项目，还
开发并上线了多款手机App。作者微信公众号（长期更新机器学习业务应用文章）：凡人机器学习 个人网站：www.garvinli.com 作者邮箱：[email protected]
目录
第1部分背景知识
第1章 机器学习概述 3
1.1 背景 3
1.2 发展现状 6
1.2.1 数据现状 6
1.2.2 机器学习算法现状 8
1.3 机器学习基本概念 12
1.3.1 机器学习流程 12
1.3.2 数据源结构 14
1.3.3 算法分类 16
1.3.4 过拟合问题 18
1.3.5 结果评估 20
1.4 本章小结 22
第2部分 算法流程
第2章 场景解析 25
2.1 数据探查 25
2.2 场景抽象 27
2.3 算法选择 29
2.4 本章小结 31
第3章 数据预处理 32
3.1 采样 32
3.1.1 随机采样 32
3.1.2 系统采样 34
3.1.3 分层采样 35
3.2 归一化 36
3.3 去除噪声 39
3.4 数据过滤 42
3.5 本章小结 43
第4章 特征工程 44
4.1 特征抽象 44
4.2 特征重要性评估 49
4.3 特征衍生 53
4.4 特征降维 57
4.4.1 特征降维的基本概念 57
4.4.2 主成分分析 59
4.5 本章小结 62
第5章 机器学习算法——常规算法 63
5.1 分类算法 63
5.1.1 K近邻 63
5.1.2 朴素贝叶斯 68
5.1.3 逻辑回归 74
5.1.4 支持向量机 81
5.1.5 随机森林 87
5.2 聚类算法 94
5.2.1 K—means 97
5.2.2 DBSCAN 103
5.3 回归算法 109
5.4 文本分析算法 112
5.4.1 分词算法——Hmm 112
5.4.2 TF—IDF 118
5.4.3 LDA 122
5.5 推荐类算法 127
5.6 关系图算法 133
5.6.1 标签传播 134
5.6.2 Dijkstra最短路径 138
5.7 本章小结 145
第6章 机器学习算法——深度学习 146
6.1 深度学习概述 146
6.1.1 深度学习的发展 147
6.1.2 深度学习算法与传统算法的比较 148
6.2 深度学习的常见结构 152
6.2.1 深度神经网络 152
6.2.2 卷积神经网络 153
6.2.3 循环神经网络 156
6.3 本章小结 157
第3部分 工具介绍
第7章 常见机器学习工具介绍 161
7.1 概述 161
7.2 单机版机器学习工具 163
7.2.1 SPSS 163
7.2.2 R语言 167
7.2.3 工具对比 172
7.3 开源分布式机器学习工具 172
7.3.1 SparkMLib 172
7.3.2 TensorFlow 179
7.4 企业级云机器学习工具 190
7.4.1 亚马逊AWSML 191
7.4.2 阿里云机器学习PAI 196
7.5 本章小结 205
第4部分 实战应用
第8章 业务解决方案 209
8.1 心脏病预测 209
8.1.1 场景解析 209
8.1.2 实验搭建 211
8.1.3 小结 216
8.2 商品推荐系统 216
8.2.1 场景解析 217
8.2.2 实验搭建 218
8.2.3 小结 220
8.3 金融风控案例 220
8.3.1 场景解析 221
8.3.2 实验搭建 222
8.3.3 小结 225
8.4 新闻文本分析 225
8.4.1 场景解析 225
8.4.2 实验搭建 226
8.4.3 小结 230
8.5 农业贷款发放预测 230
8.5.1 场景解析 230
8.5.2 实验搭建 232
8.5.3 小结 236
8.6 雾霾天气成因分析 236
8.6.1 场景解析 237
8.6.2 实验搭建 238
8.6.3 小结 243
8.7 图片识别 243
8.7.1 场景解析 243
8.7.2 实验搭建 245
8.7.3 小结 253
8.8 本章小结 253
第5部分 知识图谱
第9章 知识图谱 257
9.1 未来数据采集 257
9.2 知识图谱的概述 259
9.3 知识图谱开源工具 261
9.4 本章小结 264
参考文献 265
文摘
版权页：
插图：
