机器学习是人工智能的重要技术基础,涉及的内容十分广泛。本书基于Python语言,实现了12个典型的实战案例,其内容涵盖了机器学习的基础算法,主要包括统计学习基础、可视化、常用的分类算法、文本分析、卷积神经网络、循环神经网络、注意力机制、生成对抗网络、电子**系统等理论。 本书深入浅出,以实际应用的项目作为案例,实践性强,注重提升读者的动手操作能力,适合作为高等院校本科生及研究生机器学习、深度学习、数据挖掘等课程的实验教材,也可作为对机器学习和深度学习感兴趣的研究人员和工程技术人员的参考资料。

第1章集装箱危险品瞒报预测 1.1业务背景分析 1.2数据提取 1.3数据预处理 1.3.1数据集成 1.3.2数据清洗 1.3.3数据变换 1.3.4数据离散化 1.3.5特征重要性筛选 1.3.6数据平衡 1.4危险品瞒报预测建模 1.5模型评估 思考题 第2章保险产品** 2.1业务背景分析 2.2数据探索 2.3数据预处理 2.4分类模型构建 2.5平衡数据集 2.6算法调参 2.7模型比较 思考题 第3章图书类目自动标引系统 3.1业务背景分析 3.2数据提取 3.3数据预处理 3.4基于贝叶斯分类的文献标引 3.4.1增量训练 3.4.2特征降维与消歧 3.4.3权重调节 3.5贝叶斯分类性能评估 3.6基于BERT算法的文献标引 3.6.1数据预处理 3.6.2构建训练集 3.6.3模型实现 思考题 第4章基于分类算法的学习失败预警 4.1业务背景分析 4.2学习失败风险预测流程 4.3数据收集 4.4数据预处理 4.4.1数据探查及特征选择 4.4.2数据集划分及不平衡样本处理 4.4.3样本生成及标准化处理 4.5随机森林算法 4.5.1网格搜索及模型训练 4.5.2结果分析与可视化 4.5.3特征重要性分析 4.5.4与其他算法比较 思考题 第5章自然语言处理技术实例 5.1业务背景分析 5.2分析框架 5.3数据收集 5.4建立模型 5.4.1文本分词 5.4.2主题词提取 5.4.3情感分析 5.4.4语义角色标记 5.4.5语言���型 5.4.6词向量模型Word2Vec 思考题 第6章基于标签的信息**系统 6.1业务背景分析 6.2数据预处理 6.2.1现有系统现状 6.2.2数据预处理 6.3内容分析 6.4基于协同过滤** 6.4.1用户偏好矩阵构建 6.4.2用户相似度度量 6.5基于用户兴趣** 6.6“冷启动”问题与混合策略 6.6.1冷启动问题分析 6.6.2混合策略 思考题 第7章快销行业客户行为分析与流失预警 7.1业务背景分析 7.2数据预处理 7.2.1数据整理 7.2.2数据统计与探查 7.3用户行为分析 7.3.1用户流失风险评估 7.3.2流失风险预警模型集成 思考题 第8章基于深度学习的图片识别系统 8.1业务背景分析 8.2图片识别技术方案 8.3图片预处理——表格旋转 8.4图片预处理——表格提取 8.5基于密集卷积网络的文本识别模型 8.5.1训练数据生成 8.5.2DenseNet模型训练 8.5.3文本识别模型调用 8.6基于LSTM算法实现文本识别 8.6.1环境安装 8.6.2模型设计 8.6.3模型训练 8.6.4模型使用 思考题 第9章超分辨率图像重建 9.1数据探索 9.2数据预处理 9.2.1图像尺寸调整 9.2.2载入数据 9.2.3图像预处理 9.2.4持久化测试数据 9.3模型设计 9.3.1残差块 9.3.2上采样 PixelShuffle方法 9.3.3生成器 9.3.4判别器 9.3.5损失函数与优化器定义 9.3.6训练过程 9.4实验评估 思考题 第10章基于YOLO v5的电动车骑手头盔检测 10.1数据集的准备 10.2数据划分与预处理 10.3YOLO v5模型训练和优化 10.4YOLO v5模型应用 10.5YOLO v5模型移植 10.5.1模型转换 10.5.2Android头盔检测应用实现 10.6总结 思考题 第11章基于UNET算法的农业遥感图像分割 11.1数据准备 11.2数据预处理 11.3UNet语义分割模型搭建 11.3.1定义训练参数 11.3.2定义UNET主干特征提取网络模块 11.3.3定义UNET网络 11.3.4数据增强 11.3.5获取数据集以及模型 11.3.6设置回调函数 11.3.7设置损失函数 11.4图像语义分割模型训练 11.5语义分割模型使用 11.6总结 思考题 第12章基于自注意力、BiLSTM和TextCNN算法的新闻分类 12.1数据概况 12.2数据预处理 12.2.1分词 12.2.2关键词提取 12.2.3搭建和训练Word2Vec模型 12.3新闻分类模型训练和优化 12.3.1SelfAttention模型 12.3.2BiLSTM模型 12.3.3TextCNN模型 12.4结果分析 思考题 附录A机器学习复习题 附录B深度学习复习题 附录CAnaconda的安装与使用 参考文献