机器学习实践应用

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度等多门学科，专门研究计算机怎样模拟或实现人类的学习行为。机器学习是人工智能的核心，是使计算机具有智能的根本途径。 本书通过对机器学习的背景知识、算法流程、相关工具、实践案例以及知识图谱等内容的讲解，全面介绍了机器学习的理论基础和实践应用。书中涉及机器学习领域的多个典型算法，并详细给出了机器学习的算法流程。 本书适合任何有一定数据功底和编程基础的读者阅读。通过阅读本书，读者不仅可以了解机器学习的理论基础，也可以参照一些典型的应用案例拓展自己的专业技能。同时，本书也适合计算机相关专业的学生以及对人工智能和机器学习感兴趣的读者阅读。
【推荐语】
这是一本难得的面向机器学习爱好者的门级教程，本书涉及机器学习的基础理论和深度学习等相关内容，内容深浅出。更加难能可贵的是，本书基于阿里云机器学习平台，针对7个具体的业务场景，搭建了完整的解决方案，给读者带来第1手的实战演练经验。 ——阿里云zi深专家 褚崴 机器学习算法正在逐渐渗透到数据化运营的各个方面，算法和业务数据相结合可以大幅度地提高业务效率、降低成本。本书以算法的业务应用作为切，包含大量的案例说明，非常适合读者快速门。 ——阿里云高级专家 陈鹏宇 通过阅读本书，你将了解到： ■ 机器学习全流程的串联方式，包括数据预处理、特征工程、算法、模型评估等； ■ zui常用的机器学习算法，包括逻辑回归、*森林、支持向量机、KMEANS、DBSCAN、K近邻、 马尔科夫决策、LDA、标签传播等； ■ 机器学习算法在实际业务中的应用，涉及金融、医疗、新闻、电商等诸多领域； ■ 机器学习的常用工具：R、Spark-MLib、TensorFlow、PAI等； ■ 时下zui热门的技术领域：深度学习、知识图谱等。 第1部分 机器学习的背景知识 ■ 机器学习的发展历史以及现状 ■ 机器学习的基本概念 第2部分 机器学习的算法流程 ■ 场景解析 ■ 数据预处理 ■ 特征工程 ■ 机器学习常规算法——分类算法、聚类算法、 回归算法、文本分析算法、推荐算法和关系图 算法 ■ 深度学习算法——常用的3种模型DNN、CNN和RNN 第3部分 机器学习的相关工具 ■ SPSS和R语言等单机统计分析环境 ■ 分布式的算法框架Spark MLib和TensorFlow ■ 企业级的云算法服务AWS ML和阿里云PAI 第4部分 机器学习算法的实践案例 ■ 心脏病预测 ■ 商品推荐 ■ 金融风控 ■ 新闻分类 ■ 贷款预测 ■ 雾霾天气预报 ■ 图片识别 第5部分 知识图谱
【作者】
李博，花名“傲海”。目前任阿里云数据产品经理，主要负责机器学习平台的产品 化建设以及对外业务应用。本科、硕士毕业于北京邮电大学，曾就职于索尼和华为 （实习），从事数据相关产品的发。作为CSDN博客专家、云栖社区博客专 家，长期分享IT技术相关文章，内容涉及机器学习算法、Android应用及源码 发等领域。一直活跃于发者社区，主导发了多个GitHub百星源项目，还 发并上线了多款手机App。作者微信公众号（长期更新机器学习业务应用文章）：凡人机器学习 个人网站：www.garvinli.com 作者邮箱：garvin.libo@gmail.com