由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版 机器学习高级实践 计算广告 供需预测 智能营销 动态定价 王聪颖 谢志辉 模型评估选型 业务场景拆解 特征工程
¥ ×1
| |
商品名称: | 机器学习高级实践:计算广告、供需预测、智能营销、动态定价 |
作 者: | 王聪颖 谢志辉
|
市 场 价: | 139.00
|
ISBN 号: | 9787111736547
|
出版日期: |
|
页 数: | 408
|
开 本: |
|
出 版 社: | 机械工业出版社 |
序一 序二 前言 第1章 机器学习/ 1.1机器学习概述/ 1.1.1机器学习发展历史/ 1.1.2机器学习工作原理/ 1.2机器学习典型工具箱/ 1.2.1NumPy/ 1.2.2Pandas/ 1.2.3SciKit-Learn/ 1.2.4TensorFlow/ 1.3机器学习项目实现流程/ 1.3.1业务场景拆解/ 1.3.2构建特征工程/ 1.3.3模型评估与选型/ 1.3.4模型优化/ 第2章 业务场景拆解/ 2.1业务目标拆解/ 2.1.1业务目标拆解方法/ 2.1.2算法模型作用环节分析/ 2.2项目方案制定/ 2.2.1项目团队配置/ 2.2.2机器学习项目方案制定/ 第3章 特征工程/ 3.1特征工程基础/ 3.1.1特征工程的概念和意义/ 3.1.2工业界特征工程应用/ 3.2数据预处理/ 3.2.1缺失值处理/ 3.2.2异常值处理/ 3.3数值变量处理/ 3.3.1连续特征离散化/ 3.3.2数值数据变换/ 3.3.3特征缩放和归一化/ 3.4类别变量处理/ 3.4.1类别特征的编码方法/ 3.4.2特征交叉/ 3.5特征筛选/ 3.5.1过滤式/ 3.5.2包装法/ 3.5.3嵌入法/ 第4章 模型评估和模型选型/ 4.1模型评估和模型选型概要/ 4.1.1模型评估简介/ 4.1.2模型选型简介/ 4.2模型评估方法/ 4.2.1留出法/ 4.2.2K折交叉验证法/ 4.2.3自助法/ 4.3模型评估指标/ 4.3.1分类问题评估指标/ 4.3.2回归模型评估指标/ 4.3.3结合业务场景选择评估指标/ 4.4典型模型介绍/ 4.4.1统计机器学习/ 4.4.2深度学习/ 4.4.3因果推断/ 4.5模型选型技术/ 4.5.1模型选型依据/ 4.5.2偏差和方差/ 4.5.3结合业务场景进行模型选型/ 第5章 模型优化/ 5.1数据集优化/ 5.1.1数据采样/ 5.1.2数据降维/ 5.2目标函数优化/ 5.2.1常见损失函数/ 5.2.2正则化项/ 5.2.3不平衡数据集下对损失函数的优化/ 5.3模型结构优化——集成学习/ 5.3.1Bagging/ 5.3.2Boosting/ 5.3.3Stacking/ 5.4最优化算法/ 5.4.1梯度下降法/ 5.4.2牛顿法和拟牛顿法/ 5.4.3Momentum/AdaGrad/RMSProp/Adam/ 5.5模型参数优化/ 5.5.1模型调参要素/ 5.5.2网格搜索/ 5.5.3随机搜索/ 5.5.4贝叶斯优化/ 第6章 计算广告:广告点击率预估/ 6.1业务场景介绍/ 6.1.1计算广告概述/ 6.1.2计算广告核心算法/ 6.2点击率预估场景下的特征挖掘/ 6.2.1数据集介绍/ 6.2.2数据分析/ 6.2.3特征构建/ 6.3常见的点击率预估模型/ 6.3.1基线模型建设/ 6.3.2DeepCrossing模型/ 6.3.3Wide&Deep模型/ 6.3.4Deep&Cross模型/ 6.3.5DeepFM模型/ 6.3.6AFM模型/ 6.3.7DIN模型/ 第7章 供需预测:“新零售”之供需时序建模/ 7.1业务场景介绍/ 7.1.1为什么需要供需预测/ 7.1.2新零售场景下的供需预测/ 7.2时序问题的数据分析和特征挖掘/ 7.2.1数据集介绍/ 7.2.2数据分析/ 7.2.3特征构建/ 7.3时序模型探索过程/ 7.3.1传统时序模型——ARIMA/ 7.3.2Prophet模型/ 7.3.3树模型——LightGBM/ 7.3.4深度学习模型——LSTM模型/ 7.3.5深度学习模型——Transformer模型/ 7.3.6深度学习模型——DeepAR模型/ 第8章 智能营销:优惠券发放/ 8.1业务场景介绍/ 8.1.1智能营销的概念和架构/ 8.1.2优惠券发放业务场景/ 8.2智能营销场景下的特征挖掘/ 8.2.1数据集介绍/ 8.2.2用户侧特征挖掘/ 8.2.3产品侧特征挖掘/ 8.3智能营销建模流程/ 8.3.1发给谁——人群分层模型(RFM、Uplift Model、ESMM)/ 8.3.2发多少——LTV模型/ 8.3.3怎么发——优惠券分发策略/ 第9章 动态定价:交易市场价格动态调整/ 9.1业务场景介绍/ 9.1.1动态定价概述/ 9.1.2常见动态定价业务场景/ 9.1.3网约车场景下的交易市场业务/ 9.2动态定价相关的特征挖掘/ 9.2.1时空特征挖掘/ 9.2.2用户特征挖掘/ 9.2.3平台特征挖掘/ 9.3动态定价模型/ 9.3.1动态定价策略总览/ 9.3.2用户行为预估模型/ |
人工智能方兴未艾,机器学习算法作为实现人工智能最重要的技术之一,引起了无数相关从业者的兴趣。本书详细介绍了机器学习算法的理论基础和高级实践案例,理论部分介绍了机器学习项目体系搭建路径,包括业务场景拆解、特征工程、模型评估和选型、模型优化;实践部分介绍了业界常见的业务场景,包括计算广告、供需预测、智能营销、动态定价。随书附赠所有案例源码,获取方式见封底。 本书内容深入浅出,理论与实践相结合,帮助计算机专业应届毕业生、跨专业从业者、算法工程师等读者能够从零构建机器学习项目实现流程,快速掌握关键技术,迅速从小白成长为独当一面的算法工程师。 |
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格