机器学习在线 解析阿里云机器学习平台 杨旭 阿里云机器学习教程书籍 用户行为风险预测大数据分析技术应用 深度学习神经网络 2025 chm pdf kindle rb azw3 下载 115盘

近几年，机器学习平台获得了飞速发展，积累了大量高效的机器学习算法组件，基于这些组件可以快速实现业务流程、解决具体问题。阿里云机器学习平台的丰富算法功能可以在线使用，不需要购买硬件，不需要安装配置各种环境；数据和计算资源一直处在“在线”状态，不必担心数据太大或计算资源不足的问题。机器学习平台降低了我们使用机器学习知识的门槛，将各个算法作为组件，即使不了解背后的理论知识，仍可以仿照书中实例，将组件连接起来解决一些实际问题。

《机器学习在线：解析阿里云机器学习平台》适合机器学习算法的初学者及中级用户快速入门，在机器学习实践中学习。

第1章 阿里云机器学习

1

1.1 产品特点

1

1.2 名词解释

2

1.3 构建机器学习实验

3

1.3.1 新建实验

3

1.3.2 使用组件搭建工作流

4

1.3.3 运行实验、查看结果

5

1.3.4 模型部署、在线预测

6

第2章 商家作弊行为检测

7

2.1 数据探索

8

2.2 建模、预测和评估

15

2.3 尝试其他分类模型

19

2.4 判断商家作弊

24

第3章 生存预测

27

3.1 数据集一

27

3.1.1 特征分析

28

3.1.2 生存预测

33

3.2 数据集二

36

3.2.1 随机森林模型

39

3.2.2 朴素贝叶斯模型

47

第4章 信用风险预测

50

4.1 整体流程

53

4.1.1 特征哑元化

54

4.1.2 特征重要性

57

4.2 模型效果评估

61

4.3 减少模型特征的个数

62

第5章 用户购买行为预测

65

5.1 数据探索

66

5.2 思路

68

5.2.1 用户和品牌的各种特征

69

5.2.2 二分类模型训练

71

5.3 计算训练数据集

71

5.3.1 原始数据划分

72

5.3.2 计算特征

74

5.3.3 计算标签

89

5.4 二分类模型训练

90

5.4.1 正负样本配比

90

5.4.2 逻辑回归算法

92

5.4.3 随机森林算法

94

第6章 聚类与分类

96

6.1 数据可视化

97

6.2 K-Means聚类

98

6.2.1 聚类、评估流程

100

6.2.2 聚成两类

101

6.2.3 聚成三类

103

6.3 K最近邻算法

104

6.3.1 使用KNN算法进行分类

105

6.3.2 算法比较

108

6.4 多分类模型

109

6.4.1 使用朴素贝叶斯算法

109

6.4.2 使用逻辑回归多分类算法

112

6.4.3 使用随机森林算法

115

6.4.4 各多分类模型效果对比

118

第7章 葡萄酒品质预测

119

7.1 数据探索

120

7.2 线性回归

123

7.3 GBDT回归

125

第8章 文本分析

127

8.1 分词

128

8.2 词频统计

130

8.3 单词的区分度

131

8.4 字符串比较

133

8.5 抽取关键词、关键句

139

8.5.1 原理简介

139

8.5.2 完整流程

141

8.6 主题模型

146

8.6.1 LDA模型

147

8.6.2 新闻的主题模型

149

8.6.3 数据预处理

150

8.6.4 主题与原始分类的关系

153

8.7 单词映射为向量

160

8.7.1 相近单词

162

8.7.2 单词聚类

165

8.8 组件使用小结

168

第9章 基于用户退货描述的赔付预测

170

9.1 思路

171

9.2 训练集的特征生成

173

9.3 测试集的特征生成

180

9.4 模型训练、预测、评估

181

9.5 提高召回率

185

第10章 情感分析

189

10.1 词袋模型

190

10.1.1 训练集的特征生成

192

10.1.2 测试集的特征生成

196

10.1.3 模型训练、预测、评估

197

10.2 词向量模型

200

10.2.1 特征生成

201

10.2.2 模型训练

206

第11章 影片推荐

211

11.1 协同过滤

212

11.2 整体流程

213

11.3 预处理，过滤出好评信息

215

11.4 计算影片间的相似度

215

11.5 计算用户可能喜欢的影片

221

11.6 查看推荐效果

224

第12章 支持深度学习框架

227

12.1 TensorFlow组件简介

227

12.2 Softmax模型

231

12.3 深度神经网络

234

附录A

237

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：机器学习在线 解析阿里云机器学习平台 杨旭 阿里云机器学习教程书籍 用户行为风险预测大数据分析技术应用 深度学习神经网络在线阅读

在线听书地址：机器学习在线 解析阿里云机器学习平台 杨旭 阿里云机器学习教程书籍 用户行为风险预测大数据分析技术应用 深度学习神经网络在线收听

在线购买地址：机器学习在线 解析阿里云机器学习平台 杨旭 阿里云机器学习教程书籍 用户行为风险预测大数据分析技术应用 深度学习神经网络在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

近几年，机器学习平台获得了飞速发展，积累了大量高效的机器学习算法组件，基于这些组件可以快速实现业务流程、解决具体问题。阿里云机器学习平台的丰富算法功能可以在线使用，不需要购买硬件，不需要安装配置各种环境；数据和计算资源一直处在“在线”状态，不必担心数据太大或计算资源不足的问题。机器学习平台降低了我们使用机器学习知识的门槛，将各个算法作为组件，即使不了解背后的理论知识，仍可以仿照书中实例，将组件连接起来解决一些实际问题。

《机器学习在线：解析阿里云机器学习平台》适合机器学习算法的初学者及中级用户快速入门，在机器学习实践中学习。