《机器学习实战》内容简介

本书内容覆盖了机器学习领域从理论到实践的多个课题，总共分为10章。第1章为导论，介绍机器学习的背景、定义和任务类型，构建机器学习应用的步骤，以及开发机器学习工作流的方式。第2章详细介绍数据预处理和特征工程，并辅以实例进行验证。第3～6章介绍回归模型、分类模型、模型融合、聚类模型，这些内容是机器学习理论和实践中的传统重点。其中不仅介绍对各种常见数据类型的处理方法，还针对删失数据进行了专门的综述和实践。第7章介绍机器学习领域较难的图计算，并从工业界视角解读如何将图计算落地。第8章针对特征工程、建模过程中大量调参的场景介绍自动机器学习的理论和应用，并细致比较和测试了各种自动特征工程算法在不同数据上的表现。第9章介绍自然语言处理（词向量、序列标注、关键词抽取、自动摘要和情感分析），使用新闻文本数据搭建文本分类的流程。第10章介绍计算机视觉中图像分类和目标检测的应用以及落地案例（车辆检测）。
星环科技人工智能平台团队编著

作品目录

丛书前言
丛书编委会
前言
第1章：机器学习导论
1.1、什么是机器学习
1.2、开发机器学习工作流的方式
第2章：数据预处理与特征工程
2.1、特征提取
2.2、交互式数据预处理
2.3、本章小结
第3章：回归模型
3.1、回归任务概述
3.2、回归算法原理
3.3、Sophon案例
3.4、本章小结
第4章：分类模型
4.1、分类任务概述
4.2、分类算法原理
4.3、使用Sophon建立分类模型
4.4、本章小结
第5章：模型融合
5.1、集成学习理论
5.2、常用融合方法
5.3、使用Sophon进行模型融合
5.4、本章小结
第6章：聚类模型
6.1、聚类任务概述
6.2、聚类算法原理
6.3、聚类模型实例
6.4、本章小结
第7章：图计算
7.1、背景和问题描述
7.2、常用算法介绍
7.3、落地案例
7.4、本章小结
第8章：自动机器学习
8.1、场景介绍
8.2、自动特征工程
8.3、建模过程
8.4、结果分析
8.5、真实测试案例
8.6、本章小结
第9章：自然语言处理
9.1、自然语言处理算法原理
9.2、使用Sophon建立自然语言处理模型
9.3、落地案例
9.4、本章小结
第10章：计算机视觉
10.1、计算机视觉概述
10.2、计算机视觉算法原理
10.3、计算机视觉模型示例
10.4、落地案例
10.5、本章小结
附录A
企业级人工智能应用平台Sophon
参考文献