python机器学习实战_Python机器学习实战案例

机器学习是人工智能的重要技术基础，涉及的内容十分广泛。本书基于Python语言，实现了10个典型的实战案例，其内容涵盖了机器学习的基础箅法，主要包括统计学习基础、分类、贝叶斯网络、文本分析、图像处理等机器学习理论。此外，还介绍了机器学习的推荐技术应用。本书深入浅出，以实际应用的项目作为案例，实践性强，注重提升读者的动手操作能力，适合作为高等院校本科生、研究生机器学习、数据分析、数据挖掘等课程的实验教材，也可作为对机器学习感兴趣的研究人员和工程技术人员的参考资料。

章集装箱危险品瞒报预测

1.1业务背景分析

1.2数据提取

1.3数据预处理

1.3.1数据集成

1.3.2数据清洗

1.3.3数据变换

1.3.4数据离散化

1.3.5特征重要性筛选

1.3.6数据平衡

1.4危险品瞒报预测建模

1.5模型评估

第2章保险产品推荐

2.1业务背景分析

2.2数据探索

2.3数据预处理

2.4分类模型构建

2.5平衡数据集

2.6算法调参

2.7模型比较

第3章图书类目自动标引系统

3.1业务背景分析

3.2数据提取

3.3数据预处理

3.4基于贝叶斯分类的文献标引

3.4.1增量训练

3.4.2特征降维与消歧

3.4.3权重调节

3.5性能评估与结论

3.6基于BERT算法的文献标引

3.6.1数据预处理

3.6.2构建训练集

3.6.3模型实现

第4章基于分类算法的学习失败预警

4.1业务背景分析

4.2学习失败风险预测流程

4.3数据收集