机器学习案例实战 第2版
全新正版 极速发货
￥ 38.84 6.5折 ￥ 59.8 全新
库存5件
广东广州
认证卖家担保交易快速发货售后保障
作者赵卫东
出版社人民邮电出版社
ISBN9787115564009
出版时间2021-08
装帧平装
开本16开
定价59.8元
货号1202449851
上书时间2024-12-02
商品详情
- 品相描述：全新
- 商品描述
-
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
1.3Anaconda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
2.3.4SVM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
4.4.2ROC曲线
4.4.3决策树参数优化
4.4.4k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
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
7.4.2Ridge回归模型
7.4.3LASSO回归模型
7.4.4ElasticNet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
10.1CycleGAN原理
10.2模型比较
10.2.1CycleGAN与pix2pix
10.2.2CycleGAN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
12.3.1GRU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
15.4.1MLP网络性能评估
15.4.2LSTM与GRU网络性能评估
15.4.3CNN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
16.2OpenVINO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
17.1GoogLeNet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
18.1PoseNet动作分析
18.2视频采集与处理
18.3PoseNet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
19.6OpenVINO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
内容摘要
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。
主编推荐
1.作者与多家知名企业合作，开展了多项机器学习数据分析的项目，积累了详细的分析案例。
2.作者是国内早期研究商务智能的学者之一（2001 年起），在国内也是较早开设商务智能等数据分析课程（2003 年起），有一定的影响力。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价