360book 首页 > 行业图书 > 计算机与网络 > 正文 打印 下载 

机器学习在线:解析阿里云机器学习平台  下载

360book.com  2019-09-02 21:04:01  下载

机器学习在线:解析阿里云机器学习平台
出版时间:2017
丛编项: 阿里巴巴集团技术丛书
内容简介
  以机器学习中的典型案例为主线,条分缕析梳理阿里云的平台功能,讲解如何用阿里云的机器学习平台来实现各类应用,包括商家作弊检测、生存预测、信用风险预测、用户购买行为预测等,并完整地介绍了机器学习的基本原理与实践技巧。
目录
第1章 阿里云机器学习/t1
1.1 产品特点/t1
1.2 名词解释/t2
1.3 构建机器学习实验/t3
1.3.1 新建实验/t3
1.3.2 使用组件搭建工作流/t4
1.3.3 运行实验、查看结果/t5
1.3.4 模型部署、在线预测/t6
第2章 商家作弊行为检测/t7
2.1 数据探索/t8
2.2 建模、预测和评估/t15
2.3 尝试其他分类模型/t19
2.4 判断商家作弊/t24
第3章 生存预测/t27
3.1 数据集一/t27
3.1.1 特征分析/t28
3.1.2 生存预测/t33
3.2 数据集二/t36
3.2.1 随机森林模型/t39
3.2.2 朴素贝叶斯模型/t47
第4章 信用风险预测/t50
4.1 整体流程/t53
4.1.1 特征哑元化/t54
4.1.2 特征重要性/t57
4.2 模型效果评估/t61
4.3 减少模型特征的个数/t62
第5章 用户购买行为预测/t65
5.1 数据探索/t66
5.2 思路/t68
5.2.1 用户和品牌的各种特征/t69
5.2.2 二分类模型训练/t71
5.3 计算训练数据集/t71
5.3.1 原始数据划分/t72
5.3.2 计算特征/t74
5.3.3 计算标签/t89
5.4 二分类模型训练/t90
5.4.1 正负样本配比/t90
5.4.2 逻辑回归算法/t92
5.4.3 随机森林算法/t94
第6章 聚类与分类/t96
6.1 数据可视化/t97
6.2 K-Means聚类/t98
6.2.1 聚类、评估流程/t100
6.2.2 聚成两类/t101
6.2.3 聚成三类/t103
6.3 K最近邻算法/t104
6.3.1 使用KNN算法进行分类/t105
6.3.2 算法比较/t108
6.4 多分类模型/t109
6.4.1 使用朴素贝叶斯算法/t109
6.4.2 使用逻辑回归多分类算法/t112
6.4.3 使用随机森林算法/t115
6.4.4 各多分类模型效果对比/t118
第7章 葡萄酒品质预测/t119
7.1 数据探索/t120
7.2 线性回归/t123
7.3 GBDT回归/t125
第8章 文本分析/t127
8.1 分词/t128
8.2 词频统计/t130
8.3 单词的区分度/t131
8.4 字符串比较/t133
8.5 抽取关键词、关键句/t139
8.5.1 原理简介/t139
8.5.2 完整流程/t141
8.6 主题模型/t146
8.6.1 LDA模型/t147
8.6.2 新闻的主题模型/t149
8.6.3 数据预处理/t150
8.6.4 主题与原始分类的关系/t153
8.7 单词映射为向量/t160
8.7.1 相近单词/t162
8.7.2 单词聚类/t165
8.8 组件使用小结/t168
第9章 基于用户退货描述的赔付预测/t170
9.1 思路/t171
9.2 训练集的特征生成/t173
9.3 测试集的特征生成/t180
9.4 模型训练、预测、评估/t181
9.5 提高召回率/t185
第10章 情感分析/t189
10.1 词袋模型/t190
10.1.1 训练集的特征生成/t192
10.1.2 测试集的特征生成/t196
10.1.3 模型训练、预测、评估/t197
10.2 词向量模型/t200
10.2.1 特征生成/t201
10.2.2 模型训练/t206
第11章 影片推荐/t211
11.1 协同过滤/t212
11.2 整体流程/t213
11.3 预处理,过滤出好评信息/t215
11.4 计算影片间的相似度/t215
11.5 计算用户可能喜欢的影片/t221
11.6 查看推荐效果/t224
第12章 支持深度学习框架/t227
12.1 TensorFlow组件简介/t227
12.2 Softmax模型/t231
12.3 深度神经网络/t234
附录A/t237




上一篇: 爆款视频内容打造与传播
下一篇: PyQt 5快速开发与实战

地址:http://www.360book.com/books/220/557542.html