机器学习实践应用 作者：李博

机器学习实践应用 出版社：人民邮电出版社

机器学习实践应用 内容简介

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度等多门学科，专门研究计算机怎样模拟或实现人类的学习行为。机器学习是人工智能的核心，是使计算机具有智能的根本途径。

本书通过对机器学习的背景知识、算法流程、相关工具、实践案例以及知识图谱等内容的讲解，全面介绍了机器学习的理论基础和实践应用。书中涉及机器学习领域的多个典型算法，并详细给出了机器学习的算法流程。

本书适合任何有一定数据功底和编程基础的读者阅读。通过阅读本书，读者不仅可以了解机器学习的理论基础，也可以参照一些典型的应用案例拓展自己的专业技能。同时，本书也适合计算机相关专业的学生以及对人工智能和机器学习感兴趣的读者阅读。

机器学习实践应用 目录

前言

第1部分 背景知识

第1章 机器学习概述

1.1 背景

1.2 发展现状

1.3 机器学习基本概念

1.4 本章小结

第2章 场景解析

2.1 数据探查

2.2 场景抽象

2.3 算法选择

2.4 本章小结

第2部分 算法流程

第3章 数据预处理

3.1 采样

3.2 归一化

3.3 去除噪声

3.4 数据过滤

3.5 本章小结

第4章 特征工程

4.1 特征抽象

4.2 特征重要性评估

4.3 特征衍生

4.4 特征降维

4.5 本章小结

第5章 机器学习算法——常规算法

5.1 分类算法

5.2 聚类算法

5.3 回归算法

5.4 文本分析算法

5.5 推荐类算法

5.6 关系图算法

5.7 本章小结

第6章 机器学习算法——深度学习

6.1 深度学习概述

6.2 深度学习的常见结构

6.3 本章小结

第3部分 工具介绍

第7章 常见机器学习工具介绍

7.1 概述

7.2 单机版机器学习工具

7.3 开源分布式机器学习工具

7.4 企业级云机器学习工具

7.5 本章小结

第4部分 实战应用

第8章 业务解决方案

8.1 心脏病预测

8.2 商品推荐系统

8.3 金融风控案例

8.4 新闻文本分析

8.5 农业贷款发放预测

8.6 雾霾天气成因分析

8.7 图片识别

8.8 本章小结

第5部分 知识图谱

第9章 知识图谱

9.1 未来数据采集

9.2 知识图谱的概述

9.3 知识图谱开源工具

9.4 本章小结

参考文献