机器学习实战：基于Sophon平台的机器学习理论与实践

前言

丛书前言

本书编委会

前言

第1章机器学习导论

1.1 什么是机器学习

1.1.1 机器学习的背景

1.1.2 机器学习的定义

1.1.3 机器学习的任务类型

1.1.4 构建机器学习应用的步骤

1.2 开发机器学习工作流的方式

第2章数据预处理与特征工程

2.1 特征提取

2.1.1 探索性数据分析

2.1.2 数值特征

2.1.3 类别特征

2.1.4 时间特征

2.1.5 文本特征

2.1.6 过滤方法

2.1.7 封装方法

2.1.8 嵌入方法

2.1.9 自动化特征工程

2.2 交互式数据预处理

2.3 本章小结

第3章回归模型

3.1 回归任务概述

3.2 回归算法原理

3.2.1 线性回归

3.2.2 决策树回归

3.2.3 生存回归

3.3 Sophon案例

3.4 本章小结

第4章分类

4.1 分类任务概述

4.2 分类算法原理

4.2.1 逻辑回归

4.2.2 因子分解机

4.2.3 XGBoost

4.3 使用Sophon建立分类模型

4.3.1 场景介绍

4.3.2 建模过程

4.3.3 结果分析

4.4 本章小结

第5章模型融合

5.1 集成学习理论

5.1.1 集成学习基本概念

5.1.2 个体学习器

5.1.3 基学习器集成

5.1.4 常用的集成学习方法

5.2 常用融合方法

5.2.1 平均法

5.2.2 学习法（Stacking 方法）

5.3 使用Sophon进行模型融合

5.3.1 场景与数据集介绍

5.3.2 建模过程

5.3.3 结果分析

5.4 本章小结

第6章聚类 78

6.1 聚类任务概述

6.2 聚类算法原理

6.2.1 K-Means

6.2.2 Fuzzy C-Means

6.2.3 Canopy

6.2.4 高斯混合

6.3 聚类模型实例

6.3.1 场景介绍

6.3.2 建模过程

6.3.3 结果分析

6.4 本章小结

第7章图计算

7.1 背景和问题描述

7.2 常用算法介绍

7.2.1 PageRank

7.2.2 标签传播

7.2.3 中心性检测

7.2.4 图嵌入

7.3 落地案例

7.3.1 场景介绍

7.3.2 建模过程

7.3.3 结果分析

7.4 本章小结

第8章自动机器学习

8.1 场景介绍

8.2 自动化特征工程

8.2.1 自动多表特征扩展

8.2.2 自动特征构建

8.3 建模过程

8.4 结果分析

8.5 真实测试案例

8.5.1 数据集

8.5.2 前置设置

8.5.3 测试结果分析

8.5.4 Abalone 和 Airfoil Self-Noise 数据集的增强测试

8.5.5 小结

8.6 本章小结

第9章自然语言处理

9.1 自然语言处理算法原理

9.1.1 词向量

9.1.2 序列标注

9.1.3 关键词抽取

9.1.4 文本自动摘要

9.1.5 文本情感分析

9.2 使用Sophon建立自然语言处理模型

9.2.1 场景介绍

9.2.2 建模流程

9.2.3 模型评估

9.3 落地案例

9.4 本章小结

第10章计算机视觉

10.1 计算机视觉概述

10.2 计算机视觉算法原理

10.2.1 图像分类

10.2.2 目标检测

10.3 计算机视觉模型示例

10.3.1 图像预处理

10.3.2 图像分类算法建模

10.3.3 目标检测算法建模

10.4 落地案例

10.5 本章小结

附录A 企业级人工智能应用平台Sophon

A.1 产品架构

A.2 技术特点

A.3 组件介绍能

A.4 Sophon Edge 边缘计算

A.5 Sophon EP 实体画像

A.6 Sophon KG 知识图谱

A.7 Sophon CV 图像分析

A.8 Sophon NLP 自然语言处理

A.9 Sophon Cloud 服务管理