機器學習案例實戰（第2版）

機器學習已經廣泛地應用於各行各業，深度學習的興起再次推動了人工智慧的熱潮。本書結合項目實踐，首先討論了主流機器學習平臺的主要特點以及機器學習的實戰難點。
 
在此基礎上，利用主流的機器學習開源平臺TensorFlow、Open VINO、PaddlePaddle等，通過17個實戰案例，詳細地分析了決策樹、隨機森林、支援向量機、邏輯回歸、貝葉斯網路、聚類、卷積神經網路、迴圈神經網路、生成對抗網路等機器學習和深度學習演算法在金融、零售、汽車、電力、交通、教育等典型領域的應用。

第1章 機器學習基礎
　1.1 常用機器學習工具
　1.2 資料分析技能培養
　1.3 Anaconda的安裝與使用

第2章 貸款違約行為預測
　2.1 建立信用評估模型的必要性
　2.2 數據預處理
　　2.2.1 原始資料集
　　2.2.2 基礎資料表數據預處理
　　2.2.3 多表合併
　2.3 模型選擇
　　2.3.1 帶正則項的Logistic回歸模型
　　2.3.2 樸素貝葉斯模型
　　2.3.3 隨機森林模型
　　2.3.4 SVM模型
　2.4　整體流程
　　2.4.1 初始表預處理與合併
　　2.4.2 拆分資料集
　　2.4.3 模型訓練和評估
　2.5 客戶細分

第3章 保險風險預測
　3.1 背景介紹
　3.2 數據預處理
　　3.2.1 數據載入
　　3.2.2 缺失值處理
　　3.2.3 屬性值的合併與連接
　　3.2.4 資料轉換
　　3.2.5 數據標準化和歸一化
　3.3 多維分析
　3.4 基於神經網路模型預測保險風險
　3.5 使用SVM預測保險風險

第4章 銀行客戶流失預測
　4.1 問題描述
　4.2 數據預處理
　　4.2.1 非數值特徵處理
　　4.2.2 資料離散化處理
　　4.2.3 數據篩選
　　4.2.4 數據分割
　4.3 數據建模
　　4.3.1 決策樹模型
　　4.3.2 構建決策樹模型
　4.4 模型校驗評估
　　4.4.1 混淆矩陣
　　4.4.2 ROC曲線
　　4.4.3 決策樹參數優化
　　4.4.4 k折交叉驗證
　4.5 演算法性能比較

第5章 基於深度神經網路的股票預測
　5.1 股票趨勢預測的分析思路
　5.2 數據預處理
　　5.2.1 數據歸一化
　　5.2.2 加窗處理
　　5.2.3 分割資料集
　　5.2.4 標籤獨熱編碼轉化
　5.3 模型訓練
　5.4 模型評估
　5.5 模型比較

第6章 保險產品推薦
第7章 零售商品銷售預測　　
第8章 汽車備件銷售預測
第9章 火力發電廠工業蒸汽量預測
第10章 圖片風格轉化
第11章 車道檢測　
第12章 GRU演算法在基於Session的推薦系統中的應用　
第13章 人臉老化預測　
第14章 計程車軌跡資料分析　
第15章 城市聲音分類
第16章 基於YOLO的智慧交通燈控制　
第17章 基於GoogLeNet的危險物品檢測
第18章 基於PoseNet的人體姿態估計
第19章 安全駕駛檢測
第20章 O2O優惠券使用預測　
參考文獻
 

趙衛東，主要負責本科生和各類研究生機器學習、數據核心技術和人工智慧（機器學習）（商務資料分析）等課程的教學，2011年紐約大學訪問學者。人工智慧（機器學習）被評為上海市精品課程以及CMOOC聯盟線上線下混合式教學改革項目，獲得2013年高等教育上海市教學成果獎二等獎。目前主要研究方向包括機器學習應用和大資料分析等。主持國家自然科學基金□項、國家重點研發計畫子課題、上海市浦江人才以及企業合作課題等30多項目。
 
已在Knowledge and Information Systems ,Information Processing & Management，Information Systems Frontiers，Intelligent Data Analysis，Applied Intelligence等國內外刊物和學術會議發表論文100多篇。出版專著、教材《機器學習》《機器學習案例實戰》《Python機器學習實戰案例》等10多部。獲得上海市□015年上海市科技進步二等獎。CDA三級認證資料科學家，騰訊雲和百度雲機器學習認證講師。