| ISBN | 出版时间 | 包装 | 开本 | 页数 | 字数 |
|---|---|---|---|---|---|
| 未知 | 暂无 | 暂无 | 未知 | 0 | 暂无 |
第1章 机器学习解决问题流程
1．1 机器学习基础
1．1．1 机器学习定义
1．1．2 机器学习流派
1．1．3 机器学习简史
1．2 机器学习解决实际问题的流程
1．3 机器学习平台介绍
1．3．1 阿里PAI
1．3．2 第四范式先知（Sage EE）
1．3．3 腾讯智能钛机器学习（TI-ML）
1．3．4 中科院EasyML
1．3．5 百度机器学习BML
1．3．6 华为AI开发平台ModelArts
1．3．7 微软Azure机器学习服务
1．3．8 谷歌Cloud AutoML平台
1．3．9 亚马逊SageMaker“
1．4 本章小结
第2章 问题分析与建模
2．1 问题分析
2．1．1 明确和理解问题
2．1．2 拆解和定位问题
2．2 数据分析
2．2．1 描述统计分析
2．2．2 相关分析
2．2．3 回归分析
2．2．4 分类分析
2．2．5 聚类分析
2．3 问题建模
2．4 心脏病UCI数据集案例
2．4．1 问题描述
2．4．2 问题分析
2．4．3 数据分析
2．4．4 问题建模
2．5 本章小结
第3章 数据探索与准备
3．1 ETL技术
3．1．1 ETL工作方式
3．1．2 ETL实现模式
3．1．3 ETL发展历程
3．1．4 主流ETL工具
3．2 数据清洗
3．2．1 数据缺失处理
3．2．2 异常值处理
3．3 采样
3．3．1 拒绝采样
3．3．2 重要性采样
3．3．3 马尔可夫链蒙特卡洛采样
3．4 本章小结
第4章 特征工程
4．1 数据预处理
4．1．1 特征缩放
4．1．2 特征编码
4．2 特征选择
4．2．1 过滤式选择Filter
4．2．2 包裹式选择Wrapper
4．2．3 嵌入式选择Embedded
4．3 降维
4．3．1 主成分分析PCA
4．3．2 线性判别分析
4．4 本章小结
第5章 模型训练与评价
5．1 模型选择
5．1．1 基础知识
5．1．2 模型选择的要素
5．2 模型训练
5．2．1 留出法
5．2．2 交叉验证法
……
第6章 模型部署与应用
第7章 回归模型
第8章 支持向量机
第9章 决策树
第10章 集成学习
第11章 K近邻算法
第12章 贝叶斯方法
第13章 聚类算法
第14章 关联规则学习
第15章 神经网络基础
第16章 正则化
第17章 深度学习中的优化
第18章 卷积神经网络
第19章 循环神经网络
第20章 自编码器
第21章 基于深度学习的语音分离方法
第22章 基于深度学习的图像去水印方法
第23章 基于LSTM的云环境工作负载预测方法
第24章 基于QoS的服务组合问题
第25章 基于强化学习的投资组合方法
第26章 基于GAN模型的大数据系统参数优化方法
附录1 名词及解释
附录2 数据集
参考文献
