《机器学习实践应用》书中源代码

下载地址：https://github.com/jimenbian/GarvinBook

注：本书代码部分参考了互联网资源，已在书中注明引用。  本项目代码严格遵循MIT开源协议，请大家用于参考和学习用途，谢谢。  文件夹名对应书中章节代码。   

购书链接：
https://item.jd.com/12114501.html

本书简介

《机器学习实践应用》是人民出版社于2017年7月出版的图书，作者李博。书中通过将机器学习算法与实际业务场景结合，让读者可以快速入门并使用高深的算法。在本书中，对整个数据挖掘的流程都进行了详细的介绍，包括数据预处理、特征工程、机器学习与深度学习算法、机器学习常用工具、真实案例、知识图谱等章节。

内容简介

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度等多门学科，专门研究计算机怎样模拟或实现人类的学习行为。机器学习是人工智能的核心，是使计算机具有智能的根本途径。本书通过对机器学习的背景知识、算法流程、相关工具、实践案例以及知识图谱等内容的讲解，全面介绍了机器学习的理论基础和实践应用。书中涉及机器学习领域的多个典型算法，并详细给出了机器学习的算法流程。本书适合任何有一定数据功底和编程基础的读者阅读。通过阅读本书，读者不仅可以了解机器学习的理论基础，也可以参照一些典型的应用案例拓展自己的专业技能。同时，本书也适合计算机相关专业的学生以及对人工智能和机器学习感兴趣的读者阅读。

章节目录

第1部分 背景知识第1章 机器学习概述 31.1 背景 31.2 发展现状 61.2.1 数据现状 61.2.2 机器学习算法现状 81.3 机器学习基本概念 121.3.1 机器学习流程 121.3.2 数据源结构 141.3.3 算法分类 161.3.4 过拟合问题 181.3.5 结果评估 201.4 本章小结 22第2部分 算法流程第2章 场景解析 252.1 数据探查 252.2 场景抽象 272.3 算法选择 292.4 本章小结 31第3章 数据预处理 323.1 采样 323.1.1 随机采样 323.1.2 系统采样 343.1.3 分层采样 353.2 归一化 363.3 去除噪声 393.4 数据过滤 423.5 本章小结 43第4章 特征工程 444.1 特征抽象 444.2 特征重要性评估 494.3 特征衍生 534.4 特征降维 574.4.1 特征降维的基本概念 574.4.2 主成分分析 594.5 本章小结 62第5章 机器学习算法——常规算法 635.1 分类算法 635.1.1 K近邻 635.1.2 朴素贝叶斯 685.1.3 逻辑回归 745.1.4 支持向量机 815.1.5 随机森林 875.2 聚类算法 945.2.1 K-means 975.2.2 DBSCAN 1035.3 回归算法 1095.4 文本分析算法 1125.4.1 分词算法——Hmm 1125.4.2 TF-IDF 1185.4.3 LDA 1225.5 推荐类算法 1275.6 关系图算法 1335.6.1 标签传播 1345.6.2 Dijkstra最短路径 1385.7 本章小结 145第6章 机器学习算法——深度学习 1466.1 深度学习概述 1466.1.1 深度学习的发展 1476.1.2 深度学习算法与传统算法的比较 1486.2 深度学习的常见结构 1526.2.1 深度神经网络 1526.2.2 卷积神经网络 1536.2.3 循环神经网络 1566.3 本章小结 157第3部分 工具介绍第7章 常见机器学习工具介绍 1617.1 概述 1617.2 单机版机器学习工具 1637.2.1 SPSS 1637.2.2 R语言 1677.2.3 工具对比 1727.3 开源分布式机器学习工具 1727.3.1 Spark MLib 1727.3.2 TensorFlow 1797.4 企业级云机器学习工具 1907.4.1 亚马逊AWS ML 1917.4.2 阿里云机器学习PAI 1967.5 本章小结 205第4部分 实战应用第8章 业务解决方案 2098.1 心脏病预测 2098.1.1 场景解析 2098.1.2 实验搭建 2118.1.3 小结 2168.2 商品推荐系统 2168.2.1 场景解析 2178.2.2 实验搭建 2188.2.3 小结 2208.3 金融风控案例 2208.3.1 场景解析 2218.3.2 实验搭建 2228.3.3 小结 2258.4 新闻文本分析 2258.4.1 场景解析 2258.4.2 实验搭建 2268.4.3 小结 2308.5 农业贷款发放预测 2308.5.1 场景解析 2308.5.2 实验搭建 2328.5.3 小结 2368.6 雾霾天气成因分析 2368.6.1 场景解析 2378.6.2 实验搭建 2388.6.3 小结 2438.7 图片识别 2438.7.1 场景解析 2438.7.2 实验搭建 2458.7.3 小结 2538.8 本章小结 253第5部分 知识图谱第9章 知识图谱 2579.1 未来数据采集 2579.2 知识图谱的概述 2599.3 知识图谱开源工具 2619.4 本章小结 264参考文献 265