中图网

>

人工智能

机器学习应用系统设计

作者：[日]有贺康顕，[日]中山心太，[日]西

出版社：中国电力出版社出版时间：2018-12-01

开本：其他页数： 252

本类榜单：计算机/网络销量榜

中图价:¥23.1(3.4折) 定价 ~~¥68.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

温馨提示：5折以下图书主要为出版社尾货，大部分为全新（有塑封/无塑封），个别图书品相8-9成新、切口
有划线标记、光盘等附件不全详细品相说明>>

本类五星书更多>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥23.1 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

机器学习应用系统设计版权信息

ISBN：9787519826208
条形码：9787519826208 ; 978-7-5198-2620-8
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
人工智能

机器学习应用系统设计本书特色

本书提供了实实在在的把应用机器学习当做解决问题的工具的方法，让你在应用机器学习时避免走弯路、错路。深入探讨了如何启动机器学习项目，如何将机器学习与已有系统加以集成，如何收集机器学习的数据，如何建立假设并开展分析。

机器学习应用系统设计内容简介

本书共分9章，主要内容有：章总结机器学习项目的推进流程。第2章介绍机器学习的主要功能和各种算法。第3章以垃圾邮件判别为例，介绍对学习完成后的预测模型进行离线评价的方法。第4章梳理在计算机系统里集成机器学习功能的模式，同时介绍机器学习基础的日志设计。第5章介绍机器学习分类任务里的正确答案数据的获取方法。第6章介绍用于验证实施方案是否真正有效的统计鉴定、因果推理，以及A/B试验等方法。第3章是预测模型的离线验证，本章则介绍实施过程中的实时验证。第7章以电影推荐为例，学习推荐预测系统的开发实现案例。第8章阐述搜索式分析过程及分析报告，结合在章的机器学习流程中出现的“不执行机器学习的例子”，介绍如何整理实际分析结果的相关心得。第9章采用所谓Uplift Modeling方法学习更有效的营销方法。

机器学习应用系统设计目录

前言 **部分第1章机器学习项目流程 1.1 如何利用机器学习 1.2 机器学习项目的流程 1.3 实际系统中的机器学习问题的处理方法 1.4 机器学习系统的成功要素 1.5 小结第2章机器学习的用途 2.1 算法选择 2.2 分类 2.3 回归 2.4 聚类与降维 2.5 其他 2.6 小结第3章学习结果的评价 3.1 分类的评价矩阵 3.2 回归的评价 3.3 机器学习系统的A／B测试 3.4 小结第4章机器学习系统的开发 4.1 机器学习系统的开发流程 4.2 系统设计 4.3 日志设计 4.4 小结第5章机器学习资源的收集 5.1 机器学习资源的获取 5.2 利用公开的数据集或模型 5.3 开发者自己创建训练数据 5.4 他人帮忙输入数据 5.5 数据创建众包 5.6 基于服务的用户输入 5.7 小结第6章效果验证 6.1 效果验证概述 6.2 假设检验的框架 6.3 假设检验的注意事项 6.4 因果效应的推断 6.5 A／B测试 6.6 小结第二部分第7章电影推荐系统 7.1 概述 7.2 推荐系统功能 7.3 MovieLens的数据趋势 7.4 推荐系统的开发 7.5 小结第8章 Kickstarter的数据分析 8.1 Kickstarter的API 8.2 Kickstarter的网络爬虫 8.3 数据变换 8.4 浏览Excel数据 8.5 数据透视表 8.6 达成目标却被取消的项目 8.7 国别的项目分析 8.8 形成分析报告 8.9 进一步的工作 8.10 小结第9章基于Uplift Modeling的营销资源效率分析 9.1 UpIiftModeling的四象限分区 9.2 扩展A／B测试的uplift Modeling的概要 9.3 UpIift Modeling的数据集生成 9.4 利用两个预测模型的Uplift Modeling 9.5 Uplift Modeling的评价方法 9.6 实际应用 9.7 实际应用Uplift Modeling的相关事项 9.8 小结参考文献后记致谢

展开全部