返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 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
  • 新商品上架
    • 作者: 无著
    • 出版社: 机械工业出版社
    • 出版时间:2023-08
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    句字图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 无著
    • 出版社:机械工业出版社
    • 出版时间:2023-08
    • ISBN:9783368542273
    • 版权提供:机械工业出版社


    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。

     

    1
    • 商品详情
    • 内容简介

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购