新書推薦：
《
严禁造谣
》
售價：HK$
59.8
《
引导的秘诀：通过团队合作获得结果的SMART指南（最新修订版）（白金版）
》
售價：HK$
118.8
《
文史星历：秦汉史丛稿
》
售價：HK$
141.6
《
神灵衰落：祈雨与乾隆朝的信仰危机
》
售價：HK$
106.8
《
深度营销：成就营销领导力的12大原则（麦肯锡年度经管好书，12大原则揭秘营销本质，带好团队就是从领导力到影响力！）
》
售價：HK$
69.6
《
新质生产力：发展新动能
》
售價：HK$
105.6
《
状态比能力更重要：108个状态调整法
》
售價：HK$
66.0
《
中国上市公司担保行为的影响因素及其效应研究
》
售價：HK$
43.2
|
| 內容簡介： |
|
本书以掌握Python语言基础为前提，由浅入深、全面系统地讲解了机器学习的相关知识及技能，内容注重实用性和可操作性，在介绍机器学习理论知识的基础上，结合具体的实战实例，给出了详细的代码及实现步骤。全书共9个项目，分别介绍了数据分析基础、机器学习项目实战流程、探索性数据分析与特征工程、常见机器学习算法及框架、交叉验证与超参数调优，并结合主流机器学习技术框架Scikit-learn，展开了信用违约分类预测、社交媒体评论分类预测、共享单车用量需求回归预测、信用卡客户忠诚度回归预测的项目实战。
|
| 關於作者： |
|
王志（1986.8—），博士，现任浙江省金融职业学院人工智能技术服务专业负责人，专业教研室副主任，人工智能领域技术多年创业经历，具备丰富的机器学习工业实战及培训经验，曾获得银监会\机器学习在中小银行应用”科技项目三等奖。参与编写《人工智能导论》教材，入选十三五规划教材。
|
| 目錄：
|
|
项目1 数据分析基础1任务1 开发环境的搭建11.1.1 数据分析相关库11.1.2 Anaconda的安装和使用21.1.3 Jupyter Notebook的使用3任务2 NumPy的应用41.2.1 数组对象的创建41.2.2 数组的索引和切片10任务3 Pandas的应用141.3.1 Series对象的创建141.3.2 Series对象的索引和切片151.3.3 Series对象的常用属性17任务4 数据可视化171.4.1 安装和导入181.4.2 绘图的流程18任务5 Pandas、NumPy库的数据操作181.5.1 数据读入181.5.2 数据选择191.5.3 缺失值填充201.5.4 数据透视表绘制211.5.5 数据集合并211.5.6 独热编码23项目2 机器学习项目实战流程25任务1 知识准备262.1.1 问题定义262.1.2 数据准备272.1.3 模型训练302.1.4 模型评估342.1.5 模型部署382.1.6 模型监控与更新392.1.7 小结40任务2 使用Scikit-learn框架完成基本的机器学习项目402.2.1 Estimator402.2.2 Metrics412.2.3 小结41任务3 实战：泰坦尼克号事件生存预测422.3.1 问题定义422.3.2 数据准备422.3.3 模型训练452.3.4 模型评估462.3.5 小结47项目3 探索性数据分析与特征工程48任务1 知识准备493.1.1 探索性数据分析493.1.2 特征工程563.1.3 特征抽取583.1.4 特征转换613.1.5 特征选择673.1.6 小结67任务2 实战：基于决策树的泰坦尼克号事件生存预测683.2.1 问题定义683.2.2 数据准备683.2.3 模型训练773.2.4 模型评估773.2.5 数据保存783.2.6 小结78项目4 常见机器学习算法及框架79任务1 知识准备794.1.1 损失函数、代价函数与目标函数794.1.2 逻辑回归与神经网络814.1.3 决策树与随机森林84任务2 基于集成学习思想的算法85任务3 Python环境下XGBoost的安装及使用88任务4 Python环境下LightGBM的安装及使用89项目5 交叉验证与超参数调优91任务1 知识准备925.1.1 机器学习算法中的参数与超参数925.1.2 超参数调优方法925.1.3 GBM算法的超参数调优97任务2 随机森林超参数调优995.2.1 RF框架的参数意义995.2.2 RF决策树的参数含义100任务3 实战：GBM算法超参数调优1015.3.1 问题定义1015.3.2 数据准备1015.3.3 小结107项目6 信用违约分类预测109任务1 信用违约分类建模1096.1.1 问题定义1096.1.2 数据准备1106.1.3 模型训练1146.1.4 模型评估1156.1.5 小结116任务2 实战：处理不平衡样本来优化模型1166.2.1 数据准备1166.2.2 小结119项目7 社交媒体评论分类预测120任务1 社交媒体评论分类建模1207.1.1 问题定义1207.1.2 数据准备1217.1.3 模型训练1257.1.4 模型评估1267.1.5 小结126任务2 实战：使用不同文本特征提取方法来优化模型1277.2.1 问题定义1277.2.2 数据准备1277.2.3 基于TF-IDF特征的模型训练与评估1307.2.4 TSNE、LDA降维操作及TSNE可视化1317.2.5 基于LDA方法对TF-IDF特征降维处理后的模型训练与评估1327.2.6 基于词向量方法的模型训练与评估1337.2.7 小结135项目8 共享单车用量需求回归预测136任务1 共享单车用量需求回归建模1368.1.1 问题定义1368.1.2 数据准备1378.1.3 模型训练1438.1.4 模型评估1438.1.5 小结144任务2 实战：使用特征选择及离散化方法来优化模型1448.2.1 问题定义1448.2.2 数据准备1458.2.3 模型训练1488.2.4 模型评估1498.2.5 小结149项目9 信用卡客户忠诚度回归预测150任务1 信用卡客户忠诚度回归建模1509.1.1 问题定义1509.1.2 数据准备1519.1.3 模型训练1609.1.4 模型评估1609.1.5 小结162任务2 实战：增加数据源抽取特征来优化模型1629.2.1 问题定义1629.2.2 数据准备1629.2.3 模型训练1679.2.4 模型评估1679.2.5 小结168附录A 课后习题及参考答案169项目1 习题及参考答案169项目2 习题及参考答案170项目3 习题及参考答案171项目4 习题及参考答案172项目5 习题及参考答案173项目6 习题及参考答案174项目7 习题及参考答案174项目8 习题及参考答案175项目9 习题及参考答案176
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
