机器学习实战

作品简介

本书内容覆盖了机器学习领域从理论到实践的多个课题，总共分为10章。第1章为导论，介绍机器学习的背景、定义和任务类型，构建机器学习应用的步骤，以及开发机器学习工作流的方式。第2章详细介绍数据预处理和特征工程，并辅以实例进行验证。第3～6章介绍回归模型、分类模型、模型融合、聚类模型，这些内容是机器学习理论和实践中的传统重点。其中不仅介绍对各种常见数据类型的处理方法，还针对删失数据进行了专门的综述和实践。第7章介绍机器学习领域较难的图计算，并从工业界视角解读如何将图计算落地。第8章针对特征工程、建模过程中大量调参的场景介绍自动机器学习的理论和应用，并细致比较和测试了各种自动特征工程算法在不同数据上的表现。第9章介绍自然语言处理（词向量、序列标注、关键词抽取、自动摘要和情感分析），使用新闻文本数据搭建文本分类的流程。第10章介绍计算机视觉中图像分类和目标检测的应用以及落地案例（车辆检测）。

星环科技人工智能平台团队编著

作品目录

• 丛书前言
• 丛书编委会
• 前言
• 第1章　机器学习导论
• 1.1　什么是机器学习
• 1.2　开发机器学习工作流的方式
• 第2章　数据预处理与特征工程
• 2.1　特征提取
• 2.2　交互式数据预处理
• 2.3　本章小结
• 第3章　回归模型
• 3.1　回归任务概述
• 3.2　回归算法原理
• 3.3　Sophon案例
• 3.4　本章小结
• 第4章　分类模型
• 4.1　分类任务概述
• 4.2　分类算法原理
• 4.3　使用Sophon建立分类模型
• 4.4　本章小结
• 第5章　模型融合
• 5.1　集成学习理论
• 5.2　常用融合方法
• 5.3　使用Sophon进行模型融合
• 5.4　本章小结
• 第6章　聚类模型
• 6.1　聚类任务概述
• 6.2　聚类算法原理
• 6.3　聚类模型实例
• 6.4　本章小结
• 第7章　图计算
• 7.1　背景和问题描述
• 7.2　常用算法介绍
• 7.3　落地案例
• 7.4　本章小结
• 第8章　自动机器学习
• 8.1　场景介绍
• 8.2　自动特征工程
• 8.3　建模过程
• 8.4　结果分析
• 8.5　真实测试案例
• 8.6　本章小结
• 第9章　自然语言处理
• 9.1　自然语言处理算法原理
• 9.2　使用Sophon建立自然语言处理模型
• 9.3　落地案例
• 9.4　本章小结
• 第10章　计算机视觉
• 10.1　计算机视觉概述
• 10.2　计算机视觉算法原理
• 10.3　计算机视觉模型示例
• 10.4　落地案例
• 10.5　本章小结
• 附录A　企业级人工智能应用平台Sophon
• 参考文献