扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
C Primer Plus 第6版 中文版
-
>
深度学习
-
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码
机器学习入门与实战(微课版) 版权信息
- ISBN：9787121448607
- 条形码：9787121448607 ; 978-7-121-44860-7
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
机器学习入门与实战(微课版) 本书特色
本书围绕 发布的《高等学校人工智能创新行动计划》，深入浅出地介绍了机器学习理论知识，注重理论与实践的结合，培养学生的动手能力。本书面向高职学生，从Python机器学习的基础知识入手，结合了大量的机器学习项目，带领学生快速掌握机器学习的相关知识，提高学生解决实际问题的能力。
机器学习入门与实战(微课版) 内容简介
本书以掌握Python语言基础为前提，由浅入深、全面系统地讲解了机器学习的相关知识及技能，内容注重实用性和可操作性，在介绍机器学习理论知识的基础上，结合具体的实战实例，给出了详细的代码及实现步骤。全书共9个项目，分别介绍了数据分析基础、机器学习项目实战流程、探索性数据分析与特征工程、常见机器学习算法及框架、交叉验证与超参数调优，并结合主流机器学习技术框架Scikit-learn，展开了信用违约分类预测、社交媒体评论分类预测、共享单车用量需求回归预测、信用卡客户忠诚度回归预测的项目实战。
机器学习入门与实战(微课版) 目录
项目1 数据分析基础 1
任务1 开发环境的搭建 1
1．1．1 数据分析相关库 1
1．1．2 Anaconda的安装和使用 2
1．1．3 Jupyter Notebook的使用 3
任务2 NumPy的应用 4
1．2．1 数组对象的创建 4
1．2．2 数组的索引和切片 10
任务3 Pandas的应用 14
1．3．1 Series对象的创建 14
1．3．2 Series对象的索引和切片 15
1．3．3 Series对象的常用属性 17
任务4 数据可视化 17
1．4．1 安装和导入 18
1．4．2 绘图的流程 18
任务5 Pandas、NumPy库的数据操作 18
1．5．1 数据读入 18
1．5．2 数据选择 19
1．5．3 缺失值填充 20
1．5．4 数据透视表绘制 21
1．5．5 数据集合并 21
1．5．6 独热编码 23
项目2 机器学习项目实战流程 25
任务1 知识准备 26
2．1．1 问题定义 26
2．1．2 数据准备 27
2．1．3 模型训练 30
2．1．4 模型评估 34
2．1．5 模型部署 38
2．1．6 模型监控与更新 39
2．1．7 小结 40
任务2 使用Scikit-learn框架完成基本的机器学习项目 40
2．2．1 Estimator 40
2．2．2 Metrics 41
2．2．3 小结 41
任务3 实战：泰坦尼克号事件生存预测 42
2．3．1 问题定义 42
2．3．2 数据准备 42
2．3．3 模型训练 45
2．3．4 模型评估 46
2．3．5 小结 47
项目3 探索性数据分析与特征工程 48
任务1 知识准备 49
3．1．1 探索性数据分析 49
3．1．2 特征工程 56
3．1．3 特征抽取 58
3．1．4 特征转换 61
3．1．5 特征选择 67
3．1．6 小结 67
任务2 实战：基于决策树的泰坦尼克号事件生存预测 68
3．2．1 问题定义 68
3．2．2 数据准备 68
3．2．3 模型训练 77
3．2．4 模型评估 77
3．2．5 数据保存 78
3．2．6 小结 78
项目4 常见机器学习算法及框架 79
任务1 知识准备 79
4．1．1 损失函数、代价函数与目标函数 79
4．1．2 逻辑回归与神经网络 81
4．1．3 决策树与随机森林 84
任务2 基于集成学习思想的算法 85
任务3 Python环境下XGBoost的安装及使用 88
任务4 Python环境下LightGBM的安装及使用 89
项目5 交叉验证与超参数调优 91
任务1 知识准备 92
5．1．1 机器学习算法中的参数与超参数 92
5．1．2 超参数调优方法 92
5．1．3 GBM算法的超参数调优 97
任务2 随机森林超参数调优 99
5．2．1 RF框架的参数意义 99
5．2．2 RF决策树的参数含义 100
任务3 实战：GBM算法超参数调优 101
5．3．1 问题定义 101
5．3．2 数据准备 101
5．3．3 小结 107
项目6 信用违约分类预测 109
任务1 信用违约分类建模 109
6．1．1 问题定义 109
6．1．2 数据准备 110
6．1．3 模型训练 114
6．1．4 模型评估 115
6．1．5 小结 116
任务2 实战：处理不平衡样本来优化模型 116
6．2．1 数据准备 116
6．2．2 小结 119
项目7 社交媒体评论分类预测 120
任务1 社交媒体评论分类建模 120
7．1．1 问题定义 120
7．1．2 数据准备 121
7．1．3 模型训练 125
7．1．4 模型评估 126
7．1．5 小结 126
任务2 实战：使用不同文本特征提取方法来优化模型 127
7．2．1 问题定义 127
7．2．2 数据准备 127
7．2．3 基于TF-IDF特征的模型训练与评估 130
7．2．4 TSNE、LDA降维操作及TSNE可视化 131
7．2．5 基于LDA方法对TF-IDF特征降维处理后的模型训练与评估 132
7．2．6 基于词向量方法的模型训练与评估 133
7．2．7 小结 135
项目8 共享单车用量需求回归预测 136
任务1 共享单车用量需求回归建模 136
8．1．1 问题定义 136
8．1．2 数据准备 137
8．1．3 模型训练 143
8．1．4 模型评估 143
8．1．5 小结 144
任务2 实战：使用特征选择及离散化方法来优化模型 144
8．2．1 问题定义 144
8．2．2 数据准备 145
8．2．3 模型训练 148
8．2．4 模型评估 149
8．2．5 小结 149
项目9 信用卡客户忠诚度回归预测 150
任务1 信用卡客户忠诚度回归建模 150
9．1．1 问题定义 150
9．1．2 数据准备 151
9．1．3 模型训练 160
9．1．4 模型评估 160
9．1．5 小结 162
任务2 实战：增加数据源抽取特征来优化模型 162
9．2．1 问题定义 162
9．2．2 数据准备 162
9．2．3 模型训练 167
9．2．4 模型评估 167
9．2．5 小结 168
附录A 课后习题及参考答案 169
项目1 习题及参考答案 169
项目2 习题及参考答案 170
项目3 习题及参考答案 171
项目4 习题及参考答案 172
项目5 习题及参考答案 173
项目6 习题及参考答案 174
项目7 习题及参考答案 174
项目8 习题及参考答案 175
项目9 习题及参考答案 176
任务1 开发环境的搭建 1
1．1．1 数据分析相关库 1
1．1．2 Anaconda的安装和使用 2
1．1．3 Jupyter Notebook的使用 3
任务2 NumPy的应用 4
1．2．1 数组对象的创建 4
1．2．2 数组的索引和切片 10
任务3 Pandas的应用 14
1．3．1 Series对象的创建 14
1．3．2 Series对象的索引和切片 15
1．3．3 Series对象的常用属性 17
任务4 数据可视化 17
1．4．1 安装和导入 18
1．4．2 绘图的流程 18
任务5 Pandas、NumPy库的数据操作 18
1．5．1 数据读入 18
1．5．2 数据选择 19
1．5．3 缺失值填充 20
1．5．4 数据透视表绘制 21
1．5．5 数据集合并 21
1．5．6 独热编码 23
项目2 机器学习项目实战流程 25
任务1 知识准备 26
2．1．1 问题定义 26
2．1．2 数据准备 27
2．1．3 模型训练 30
2．1．4 模型评估 34
2．1．5 模型部署 38
2．1．6 模型监控与更新 39
2．1．7 小结 40
任务2 使用Scikit-learn框架完成基本的机器学习项目 40
2．2．1 Estimator 40
2．2．2 Metrics 41
2．2．3 小结 41
任务3 实战：泰坦尼克号事件生存预测 42
2．3．1 问题定义 42
2．3．2 数据准备 42
2．3．3 模型训练 45
2．3．4 模型评估 46
2．3．5 小结 47
项目3 探索性数据分析与特征工程 48
任务1 知识准备 49
3．1．1 探索性数据分析 49
3．1．2 特征工程 56
3．1．3 特征抽取 58
3．1．4 特征转换 61
3．1．5 特征选择 67
3．1．6 小结 67
任务2 实战：基于决策树的泰坦尼克号事件生存预测 68
3．2．1 问题定义 68
3．2．2 数据准备 68
3．2．3 模型训练 77
3．2．4 模型评估 77
3．2．5 数据保存 78
3．2．6 小结 78
项目4 常见机器学习算法及框架 79
任务1 知识准备 79
4．1．1 损失函数、代价函数与目标函数 79
4．1．2 逻辑回归与神经网络 81
4．1．3 决策树与随机森林 84
任务2 基于集成学习思想的算法 85
任务3 Python环境下XGBoost的安装及使用 88
任务4 Python环境下LightGBM的安装及使用 89
项目5 交叉验证与超参数调优 91
任务1 知识准备 92
5．1．1 机器学习算法中的参数与超参数 92
5．1．2 超参数调优方法 92
5．1．3 GBM算法的超参数调优 97
任务2 随机森林超参数调优 99
5．2．1 RF框架的参数意义 99
5．2．2 RF决策树的参数含义 100
任务3 实战：GBM算法超参数调优 101
5．3．1 问题定义 101
5．3．2 数据准备 101
5．3．3 小结 107
项目6 信用违约分类预测 109
任务1 信用违约分类建模 109
6．1．1 问题定义 109
6．1．2 数据准备 110
6．1．3 模型训练 114
6．1．4 模型评估 115
6．1．5 小结 116
任务2 实战：处理不平衡样本来优化模型 116
6．2．1 数据准备 116
6．2．2 小结 119
项目7 社交媒体评论分类预测 120
任务1 社交媒体评论分类建模 120
7．1．1 问题定义 120
7．1．2 数据准备 121
7．1．3 模型训练 125
7．1．4 模型评估 126
7．1．5 小结 126
任务2 实战：使用不同文本特征提取方法来优化模型 127
7．2．1 问题定义 127
7．2．2 数据准备 127
7．2．3 基于TF-IDF特征的模型训练与评估 130
7．2．4 TSNE、LDA降维操作及TSNE可视化 131
7．2．5 基于LDA方法对TF-IDF特征降维处理后的模型训练与评估 132
7．2．6 基于词向量方法的模型训练与评估 133
7．2．7 小结 135
项目8 共享单车用量需求回归预测 136
任务1 共享单车用量需求回归建模 136
8．1．1 问题定义 136
8．1．2 数据准备 137
8．1．3 模型训练 143
8．1．4 模型评估 143
8．1．5 小结 144
任务2 实战：使用特征选择及离散化方法来优化模型 144
8．2．1 问题定义 144
8．2．2 数据准备 145
8．2．3 模型训练 148
8．2．4 模型评估 149
8．2．5 小结 149
项目9 信用卡客户忠诚度回归预测 150
任务1 信用卡客户忠诚度回归建模 150
9．1．1 问题定义 150
9．1．2 数据准备 151
9．1．3 模型训练 160
9．1．4 模型评估 160
9．1．5 小结 162
任务2 实战：增加数据源抽取特征来优化模型 162
9．2．1 问题定义 162
9．2．2 数据准备 162
9．2．3 模型训练 167
9．2．4 模型评估 167
9．2．5 小结 168
附录A 课后习题及参考答案 169
项目1 习题及参考答案 169
项目2 习题及参考答案 170
项目3 习题及参考答案 171
项目4 习题及参考答案 172
项目5 习题及参考答案 173
项目6 习题及参考答案 174
项目7 习题及参考答案 174
项目8 习题及参考答案 175
项目9 习题及参考答案 176
展开全部
机器学习入门与实战(微课版) 作者简介
王志（1986.8—），博士，现任浙江省金融职业学院人工智能技术服务专业负责人，专业教研室副主任，人工智能领域技术多年创业经历，具备丰富的机器学习工业实战及培训经验，曾获得银监会\"机器学习在中小银行应用”科技项目三等奖。参与编写《人工智能导论》教材，入选十三五规划教材。
书友推荐
- >
人文阅读与收藏·良友文学丛书:一天的工作
人文阅读与收藏·良友文学丛书:一天的工作
¥16.0¥45.8 - >
随园食单
随园食单
¥20.6¥48.0 - >
唐代进士录
唐代进士录
¥17.1¥39.8 - >
【精装绘本】画给孩子的中国神话
【精装绘本】画给孩子的中国神话
¥17.6¥55.0 - >
月亮与六便士
月亮与六便士
¥13.4¥42.0 - >
有舍有得是人生
有舍有得是人生
¥21.2¥45.0 - >
中国人在乌苏里边疆区:历史与人类学概述
中国人在乌苏里边疆区:历史与人类学概述
¥37.1¥48.0 - >
我与地坛
我与地坛
¥25.8¥28.0
本类畅销
-
-
python 程序设计实用教程
¥38.3¥54 -
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158 -
-
2022读者节纪念徽章-三星会员专属
¥45¥45.6
浏览历史
《十九世纪文学主流》礼盒版(1-6)
¥331.8¥488.0餐厅服务实务
¥19.4¥45.0党的儿女:王杰
¥9.8¥25.8沈氏女科临床入门100讲
¥60.8¥98.0德国出版零时年 作家、读者、畅销书,巨变后的图书世界
¥49.0¥86.0
