Python機(jī)器學(xué)習(xí)實(shí)戰(zhàn)案例

目錄


第1章集裝箱危險(xiǎn)品瞞報(bào)預(yù)測(cè)

1.1業(yè)務(wù)背景分析

1.2數(shù)據(jù)提取

1.3數(shù)據(jù)預(yù)處理

1.3.1數(shù)據(jù)集成

1.3.2數(shù)據(jù)清洗

1.3.3數(shù)據(jù)變換

1.3.4數(shù)據(jù)離散化

1.3.5特征重要性篩選

1.3.6數(shù)據(jù)平衡

1.4危險(xiǎn)品瞞報(bào)預(yù)測(cè)建模

1.5模型評(píng)估

第2章保險(xiǎn)產(chǎn)品推薦

2.1業(yè)務(wù)背景分析

2.2數(shù)據(jù)探索

2.3數(shù)據(jù)預(yù)處理

2.4分類(lèi)模型構(gòu)建

2.5平衡數(shù)據(jù)集

2.6算法調(diào)參

2.7模型比較

第3章圖書(shū)類(lèi)目自動(dòng)標(biāo)引系統(tǒng)

3.1業(yè)務(wù)背景分析

3.2數(shù)據(jù)提取

3.3數(shù)據(jù)預(yù)處理

3.4基于貝葉斯分類(lèi)的文獻(xiàn)標(biāo)引

3.4.1增量訓(xùn)練

3.4.2特征降維與消歧

3.4.3權(quán)重調(diào)節(jié)


3.5性能評(píng)估與結(jié)論

3.6基于BERT算法的文獻(xiàn)標(biāo)引

3.6.1數(shù)據(jù)預(yù)處理

3.6.2構(gòu)建訓(xùn)練集

3.6.3模型實(shí)現(xiàn)





第4章基于分類(lèi)算法的學(xué)習(xí)失敗預(yù)警

4.1業(yè)務(wù)背景分析

4.2學(xué)習(xí)失敗風(fēng)險(xiǎn)預(yù)測(cè)流程

4.3數(shù)據(jù)收集

4.4數(shù)據(jù)預(yù)處理

4.4.1數(shù)據(jù)探查及特征選擇

4.4.2數(shù)據(jù)集劃分及不平衡樣本處理

4.4.3樣本生成及標(biāo)準(zhǔn)化處理

4.5隨機(jī)森林算法

4.5.1網(wǎng)格搜索及模型訓(xùn)練

4.5.2結(jié)果分析與可視化

4.5.3特征重要性分析

4.5.4與其他算法比較

第5章自然語(yǔ)言處理技術(shù)實(shí)例

5.1業(yè)務(wù)背景分析

5.2分析框架

5.3數(shù)據(jù)收集

5.4建立模型

5.4.1文本分詞

5.4.2主題詞提取

5.4.3情感分析

5.4.4語(yǔ)義角色標(biāo)記

5.4.5語(yǔ)言模型

5.4.6詞向量模型Word2vec

第6章基于標(biāo)簽的信息推薦系統(tǒng)

6.1業(yè)務(wù)背景分析

6.2數(shù)據(jù)預(yù)處理

6.2.1現(xiàn)有系統(tǒng)現(xiàn)狀

6.2.2數(shù)據(jù)預(yù)處理

6.3內(nèi)容分析

6.4基于協(xié)同過(guò)濾推薦

6.4.1用戶(hù)偏好矩陣構(gòu)建

6.4.2用戶(hù)相似度度量

6.5基于用戶(hù)興趣推薦

6.6“冷啟動(dòng)”問(wèn)題與混合策略

6.6.1冷啟動(dòng)問(wèn)題分析

6.6.2混合策略

第7章快銷(xiāo)行業(yè)客戶(hù)行為分析與流失預(yù)警

7.1業(yè)務(wù)背景分析

7.2數(shù)據(jù)預(yù)處理

7.2.1數(shù)據(jù)整理

7.2.2數(shù)據(jù)統(tǒng)計(jì)與探查

7.3用戶(hù)行為分析

7.3.1用戶(hù)流失風(fēng)險(xiǎn)評(píng)估

7.3.2流失風(fēng)險(xiǎn)預(yù)警模型集成

第8章基于深度學(xué)習(xí)的圖片識(shí)別系統(tǒng)

8.1業(yè)務(wù)背景分析

8.2圖片識(shí)別技術(shù)方案

8.3圖片預(yù)處理——表格旋轉(zhuǎn)

8.4圖片預(yù)處理——表格提取

8.5基于PaddlePaddle框架的文本識(shí)別

8.5.1環(huán)境安裝

8.5.2模型設(shè)計(jì)

8.5.3模型訓(xùn)練

8.5.4模型使用

8.6基于密集卷積網(wǎng)絡(luò)的文本識(shí)別模型

8.6.1訓(xùn)練數(shù)據(jù)生成

8.6.2DenseNet模型訓(xùn)練

8.6.3文本識(shí)別模型調(diào)用

第9章超分辨率圖像重建

9.1數(shù)據(jù)探索

9.2數(shù)據(jù)預(yù)處理

9.2.1圖像尺寸調(diào)整

9.2.2載入數(shù)據(jù)

9.2.3圖像預(yù)處理

9.2.4持久化測(cè)試數(shù)據(jù)

9.3模型設(shè)計(jì)

9.3.1殘差塊

9.3.2上采樣 PixelShuffler

9.3.3生成器

9.3.4判別器

9.3.5損失函數(shù)與優(yōu)化器定義

9.3.6訓(xùn)練過(guò)程

9.4實(shí)驗(yàn)評(píng)估

第10章人類(lèi)活動(dòng)識(shí)別

10.1業(yè)務(wù)背景分析

10.2數(shù)據(jù)探索

10.3數(shù)據(jù)預(yù)處理

10.4模型構(gòu)建

10.5模型評(píng)估

附錄機(jī)器學(xué)習(xí)復(fù)習(xí)題

參考文獻(xiàn)