当前位置:主页 > 计算机电子书 > 人工智能 > 机器学习 pdf电子书
机器学习在线:解析阿里云机器学习平台

机器学习在线:解析阿里云机器学习平台 PDF 全书完整版

  • 更新:2019-08-04
  • 大小:147.3 MB
  • 类别:机器学习
  • 作者:杨旭
  • 出版:电子工业出版社
  • 格式:PDF

  • 资源介绍
  • 学习心得
  • 相关内容

机器学习在线:解析阿里云机器学习平台》是由电子工业出版社出版的一本关于机器学习方面的书籍,作者是杨旭,主要介绍了关于机器学习、阿里云、机器学习方面的知识内容,目前在机器学习类书籍综合评分为:9.7分。

书籍介绍

机器学习在线:解析阿里云机器学习平台 PDF

《机器学习在线:解析阿里云机器学习平台》以深度学习中的经典案例主导线,条分缕析整理阿里云的服务平台作用,解读怎样用阿里云的机器学习平台来保持各种运用,包含店家做弊检验、存活分折、信贷风险分折、客户选购个人行为分折等,并详细地详细介绍了深度学习的基本概念与实践活动方法。

以深度学习中的经典案例主导线,条分缕析整理阿里云的服务平台作用,解读怎样用阿里云的机器学习平台来保持各种运用,包含店家做弊检验、存活分折、信贷风险分折、客户选购个人行为分折等,并详细地详细介绍了深度学习的基本概念与实践活动方法。

目录

  • 第1章 阿里云机器学习 1
  • 1.1 产品特点 1
  • 1.2 名词解释 2
  • 1.3 构建机器学习实验 3
  • 1.3.1 新建实验 3
  • 1.3.2 使用组件搭建工作流 4
  • 1.3.3 运行实验、查看结果 5
  • 1.3.4 模型部署、在线预测 6
  • 第2章 商家作弊行为检测 7
  • 2.1 数据探索 8
  • 2.2 建模、预测和评估 15
  • 2.3 尝试其他分类模型 19
  • 2.4 判断商家作弊 24
  • 第3章 生存预测 27
  • 3.1 数据集一 27
  • 3.1.1 特征分析 28
  • 3.1.2 生存预测 33
  • 3.2 数据集二 36
  • 3.2.1 随机森林模型 39
  • 3.2.2 朴素贝叶斯模型 47
  • 第4章 信用风险预测 50
  • 4.1 整体流程 53
  • 4.1.1 特征哑元化 54
  • 4.1.2 特征重要性 57
  • 4.2 模型效果评估 61
  • 4.3 减少模型特征的个数 62
  • 第5章 用户购买行为预测 65
  • 5.1 数据探索 66
  • 5.2 思路 68
  • 5.2.1 用户和品牌的各种特征 69
  • 5.2.2 二分类模型训练 71
  • 5.3 计算训练数据集 71
  • 5.3.1 原始数据划分 72
  • 5.3.2 计算特征 74
  • 5.3.3 计算标签 89
  • 5.4 二分类模型训练 90
  • 5.4.1 正负样本配比 90
  • 5.4.2 逻辑回归算法 92
  • 5.4.3 随机森林算法 94
  • 第6章 聚类与分类 96
  • 6.1 数据可视化 97
  • 6.2 K-Means聚类 98
  • 6.2.1 聚类、评估流程 100
  • 6.2.2 聚成两类 101
  • 6.2.3 聚成三类 103
  • 6.3 K最近邻算法 104
  • 6.3.1 使用KNN算法进行分类 105
  • 6.3.2 算法比较 108
  • 6.4 多分类模型 109
  • 6.4.1 使用朴素贝叶斯算法 109
  • 6.4.2 使用逻辑回归多分类算法 112
  • 6.4.3 使用随机森林算法 115
  • 6.4.4 各多分类模型效果对比 118
  • 第7章 葡萄酒品质预测 119
  • 7.1 数据探索 120
  • 7.2 线性回归 123
  • 7.3 GBDT回归 125
  • 第8章 文本分析 127
  • 8.1 分词 128
  • 8.2 词频统计 130
  • 8.3 单词的区分度 131
  • 8.4 字符串比较 133
  • 8.5 抽取关键词、关键句 139
  • 8.5.1 原理简介 139
  • 8.5.2 完整流程 141
  • 8.6 主题模型 146
  • 8.6.1 LDA模型 147
  • 8.6.2 新闻的主题模型 149
  • 8.6.3 数据预处理 150
  • 8.6.4 主题与原始分类的关系 153
  • 8.7 单词映射为向量 160
  • 8.7.1 相近单词 162
  • 8.7.2 单词聚类 165
  • 8.8 组件使用小结 168
  • 第9章 基于用户退货描述的赔付预测 170
  • 9.1 思路 171
  • 9.2 训练集的特征生成 173
  • 9.3 测试集的特征生成 180
  • 9.4 模型训练、预测、评估 181
  • 9.5 提高召回率 185
  • 第10章 情感分析 189
  • 10.1 词袋模型 190
  • 10.1.1 训练集的特征生成 192
  • 10.1.2 测试集的特征生成 196
  • 10.1.3 模型训练、预测、评估 197
  • 10.2 词向量模型 200
  • 10.2.1 特征生成 201
  • 10.2.2 模型训练 206
  • 第11章 影片推荐 211
  • 11.1 协同过滤 212
  • 11.2 整体流程 213
  • 11.3 预处理,过滤出好评信息 215
  • 11.4 计算影片间的相似度 215
  • 11.5 计算用户可能喜欢的影片 221
  • 11.6 查看推荐效果 224
  • 第12章 支持深度学习框架 227
  • 12.1 TensorFlow组件简介 227
  • 12.2 Softmax模型 231
  • 12.3 深度神经网络 234
  • 附录A 237

资源获取

资源地址1:https://pan.baidu.com/s/17dqDp2G50rX3sIZmZc361A(密码:v1p2)

相关资源

网友留言