幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

機器學習案例實戰/人工智慧人才培養系列

  • 作者：趙衛東
  • 出版社：人民郵電
  • ISBN：9787115514103
  • 出版日期：2019/09/01
  • 裝幀：平裝
  • 頁數：283
人民幣：RMB 59.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    機器學習已經廣泛地應用於各行各業，深度學習的興起再次推動了人工智慧的熱潮。本書結合項目實踐，首先討論了TensorFlow、PySpark、TI-ONE等主流機器學習平台的主要特點；然後結合Tableau介紹了數據可視化在銀行客戶用卡行為分析的應用。在此基礎上，利用上述介紹的這些平台，通過多個項目案例，詳細地分析了決策樹、隨機森林、支持向量機、邏輯回歸、貝葉斯網路、卷積神經網路、循環神經網路、對抗生成網路等機器學習演算法在金融、商業、汽車、電力等領域的應用。
    本書內容深入淺出，提供了詳細的Python代碼，既可以作為從事機器學習、數據挖掘的相關研究人員的參考書，也可以作為高校相關專業機器學習、數據挖掘等課程的實驗和實訓教材。
作者介紹
趙衛東
目錄
第1章  常用機器學習平台
  1.1  常用機器學習工具
  1.2  TI-ONE平台概述
  1.3  PySpark介紹
  1.4  TI-ONE機器學習平台主要的組件
    1.4.1  數據源組件
    1.4.2  機器學習組件
    1.4.3  輸出組件
    1.4.4  模型評估組件
第2章  銀行信用卡風險的可視化分析
  2.1  Tableau簡介
  2.2  用戶信用等級影響因素
  2.3  用戶消費情況對信用等級的影響
  2.4  用戶拖欠情況對信用等級的影響
  2.5  欺詐用戶特徵分析
第3章  貸款違約行為預測
  3.1  建立信用評估模型的必要性
  3.2  數據準備與預處理
    3.2.1  原始數據集
    3.2.2  基礎表數據預處理
    3.2.3  多表合併
  3.3  模型選擇
    3.3.1  帶正則項的Logistic回歸模型
    3.3.2  樸素貝葉斯模型
    3.3.3  隨機森林模型
    3.3.4  SVM模型
  3.4  TI-ONE整體流程
    3.4.1  登錄TI-ONE
    3.4.2  輸入工作流名稱
    3.4.3  上傳數據
    3.4.4  數據預處理
    3.4.5  拆分出驗證集
    3.4.6  拆分出測試集
    3.4.7  模型訓練和評估
第4章  保險風險預測
  4.1  背景介紹
  4.2  數據預處理
    4.2.1  數據載入與預覽
    4.2.2  缺失值處理
    4.2.3  屬性值的合併與連接
    4.2.4  數據轉換
    4.2.5  數據標準化和歸一化
  4.3  多維分析
  4.4  基於神經網路模型預測保險風險.
  4.5  使用SVM預測保險風險
第5章  銀行客戶流失預測
  5.1  問題描述
  5.2  數據上傳
  5.3  數據預處理
    5.3.1  非數值特徵處理

    5.3.2  數據離散化處理
    5.3.3  數據篩選
    5.3.4  數據格式轉化
    5.3.5  數據分割
  5.4  數據建模
  5.5  模型校驗評估
    5.5.1  二分類演算法評估
    5.5.2  ROC曲線繪製
    5.5.3  決策樹參數優化
    5.5.4  k折交叉驗證
  5.6  工作流的運行
  5.7  演算法性能比較
第6章  基於深度神經網路的股票預測
  6.1  股票趨勢預測的背景和分析思路
  6.2  數據提取
  6.3  數據預處理
    6.3.1  數據歸一化
    6.3.2  加窗處理
    6.3.3  分割數據集
    6.3.4  標籤獨熱編碼轉化
  6.4  模型訓練
  6.5  演算法評估
  6.6  演算法比較
第7章  保險產品推薦
  7.1  保險產品推薦的流程
  7.2  數據提取
    7.2.1  上傳原始文件
    7.2.2  讀取訓練集和檢驗集
  7.3  數據預處理
    7.3.1  去重和合併數據集
    7.3.2  缺失值處理
    7.3.3  特徵選擇
    7.3.4  類型變數獨熱編碼
    7.3.5  數值變數規範化
    7.3.6  生成訓練集和檢驗集
  7.4  構建保險預測模型
  7.5  模型評估
第8章  零售商品銷售預測
  8.1  問題分析
  8.2  數據探索
    8.2.1  上傳原始數據
    8.2.2  數據質量評估
  8.3  數據預處理
    8.3.1  填補缺失值
    8.3.2  修正異常值
    8.3.3  衍生欄位
    8.3.4  類型變數數值化和獨熱編碼化
    8.3.5  數據導出
  8.4  建立銷售量預測模型
    8.4.1  線性回歸模型

    8.4.2  Ridge回歸模型
    8.4.3  Lasso回歸模型
    8.4.4  ElasticNet回歸模型
    8.4.5  決策樹回歸模型
    8.4.6  梯度提升樹回歸模型
    8.4.7  隨機森林回歸模型
  8.5  模型評估
第9章  汽車備件銷售預測
  9.1  數據理解
  9.2  數據分析流程
    9.2.1  設置數據源
    9.2.2  數據預處理
    9.2.3  建模分析與評估
  9.3  聚類分析
第10章  火力發電廠工業蒸汽量預測
  10.1  確定業務問題
  10.2  數據理解
  10.3  工業蒸汽量的預測建模過程
    10.3.1  設置數據源
    10.3.2  數據預處理
    10.3.3  建模分析與評估
第11章  圖片風格轉化
  11.1  CycleGAN原理
  11.2  圖片風格轉化整體流程
    11.2.1  設置數據源
    11.2.2  數據預處理
    11.2.3  模型訓練
    11.2.4  驗證模型參數以及測試集
    11.2.5  模型測試——轉化圖片風格
  11.3  運行工作流
  11.4  演算法比較
    11.4.1  CycleGAN與pix2pix模型
    11.4.2  CycleGAN與DistanceGAN模型
  11.5  使用TensorFlow實現圖片風格轉化
第12章  人類活動識別
  12.1  問題分析
  12.2  數據探索
  12.3  數據預處理
  12.4  模型構建
  12.5  模型評估
第13章  GRU演算法在基於Session的推薦系統的應用
  13.1  問題分析
  13.2  數據探索與預處理
    13.2.1  數據變換
    13.2.2  數據過濾
    13.2.3  數據分割
    13.2.4  格式轉換
  13.3  構建GRU模型
    13.3.1  GRU概述
    13.3.2  構建GRU推薦模型

  13.4  模型評估
第14章  人臉老化預測
  14.1  問題分析與數據集簡介
  14.2  圖片編碼與GAN設計
  14.3  模型實現
  14.4  實驗分析
第15章  計程車軌跡數據分析
  15.1  數據獲取
  15.2  數據預處理
  15.3  數據分析
    15.3.1  計程車區域推薦以及交通管理建議
    15.3.2  城市規劃建議
第16章  城市聲音分類
  16.1  數據準備與探索
  16.2  數據特徵提取
  16.3  構建城市聲音分類模型
    16.3.1  使用MLP訓練聲音分類模型
    16.3.2  使用LSTM與GRU網路訓練聲音分類模型
    16.3.3  使用CNN訓練聲音分類模型
  16.4  聲音分類模型評估
    16.4.1  MLP網路性能評估
    16.4.2  LSTM與GRU網路性能評估
    16.4.3  CNN性能評估
後記  數據分析技能培養
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032