第1章 机器学习导论 1
1.1 什么是机器学习 1
1.1.1 机器学习的背景 1
1.1.2 机器学习的定义 2
1.1.3 机器学习的任务类型 3
1.1.4 构建机器学习应用的步骤 5
1.2 开发机器学习工作流的方式 7
1.2.1 数据导入 7
1.2.2 流程搭建 9
第2章 数据预处理与特征工程 13
2.1 特征提取 13
2.1.1 探索性数据分析 14
2.1.2 数值特征 18
2.1.3 类别特征 22
2.1.4 时间特征 24
2.1.5 文本特征 24
2.1.6 过滤方法 26
2.1.7 封装方法 29
2.1.8 嵌入方法 30
2.1.9 自动特征工程 31
2.2 交互式数据预处理 31
2.3 本章小结 32
第3章 回归模型 35
3.1 回归任务概述 35
3.2 回归算法原理 36
3.2.1 线性回归 36
3.2.2 决策树回归 38
3.2.3 生存回归 41
3.3 Sophon案例 42
3.4 本章小结 45
第4章 分类模型 47
4.1 分类任务概述 47
4.2 分类算法原理 48
4.2.1 逻辑回归 48
4.2.2 因子分解机 51
4.2.3 XGBoost 52
4.3 使用Sophon建立分类模型 52
4.3.1 场景介绍 52
4.3.2 建模过程 54
4.3.3 结果分析 56
4.4 本章小结 61
第5章 模型融合 63
5.1 集成学习理论 63
5.1.1 集成学习基本概念 63
5.1.2 个体学习器 63
5.1.3 基学习器集成 64
5.1.4 常用的集成学习方法 65
5.2 常用融合方法 70
5.2.1 平均法 70
5.2.2 学习法 70
5.3 使用Sophon进行模型融合 71
5.3.1 场景与数据集介绍 71
5.3.2 建模过程 71
5.3.3 结果分析 74
5.4 本章小结 75
第6章 聚类模型 77
6.1 聚类任务概述 77
6.2 聚类算法原理 78
6.2.1 K-Means 78
6.2.2 模糊C均值 79
6.2.3 Canopy 81
6.2.4 高斯混合 83
6.3 聚类模型实例 85
6.3.1 场景介绍 85
6.3.2 建模过程 87
6.3.3 结果分析 91
6.4 本章小结 91
第7章 图计算 93
7.1 背景和问题描述 93
7.2 常用算法介绍 95
7.2.1 PageRank 95
7.2.2 标签传播 97
7.2.3 中心性检测 98
7.2.4 图嵌入 99
7.3 落地案例 102
7.3.1 场景介绍 102
7.3.2 建模过程 103
7.3.3 结果分析 107
7.4 本章小结 109
第8章 自动机器学习 111
8.1 场景介绍 111
8.2 自动特征工程 113
8.2.1 自动多表特征扩展 114
8.2.2 自动特征构建 122
8.3 建模过程 127
8.4 结果分析 129
8.5 真实测试案例 135
8.5.1 数据集 135
8.5.2 前置设置 136
8.5.3 测试结果分析 137
8.5.4 Abalone和Airfoil Self-Noise数据集的增强测试 138
8.5.5 结论 139
8.6 本章小结 140
第9章 自然语言处理 141
9.1 自然语言处理算法原理 141
9.1.1 词向量 141
9.1.2 序列标注 143
9.1.3 关键词抽取 147
9.1.4 文本自动摘要 148
9.1.5 文本情感分析 152
9.2 使用Sophon建立自然语言处理模型 154
9.2.1 场景介绍 154
9.2.2 建模流程 154
9.2.3 模型评估 155
9.3 落地案例 156
9.4 本章小结 159
第10章 计算机视觉 161
10.1 计算机视觉概述 161
10.2 计算机视觉算法原理 161
10.2.1 图像分类 161
10.2.2 目标检测 163
10.3 计算机视觉模型示例 166
10.3.1 图像预处理 166
10.3.2 图像分类算法建模 166
10.3.3 目标检测算法建模 169
10.4 落地案例 171
10.5 本章小结 173
附录A 企业级人工智能应用平台Sophon 175
参考文献 206