機器學習實踐應用作者簡介

李博，目前任阿里云數(shù)據(jù)產(chǎn)品經(jīng)理，主要負責機器學習平臺的產(chǎn)品化建設(shè)以及對外業(yè)務應用。本科、碩士畢業(yè)于北京郵電大學，曾就職于索尼和華為（實習），從事數(shù)據(jù)相關(guān)產(chǎn)品的開發(fā)。作為CSDN博客專家、云棲社區(qū)博客專家，長期分享IT技術(shù)相關(guān)文章，內(nèi)容涉及機器學習算法、Android應用及源碼開發(fā)等領(lǐng)域。一直活躍于開發(fā)者社區(qū)，主導開發(fā)了多個GitHub百星開源項目，還開發(fā)并上線了多款手機App。

機器學習是一門多領(lǐng)域交叉學科，涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復雜度等多門學科，專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為。機器學習是人工智能的核心，是使計算機具有智能的根本途徑。本書通過對機器學習的背景知識、算法流程、相關(guān)工具、實踐案例以及知識圖譜等內(nèi)容的講解，全面介紹了機器學習的理論基礎(chǔ)和實踐應用。書中涉及機器學習領(lǐng)域的多個典型算法，并詳細給出了機器學習的算法流程。本書適合任何有一定數(shù)據(jù)功底和編程基礎(chǔ)的讀者閱讀。通過閱讀本書，讀者不僅可以了解機器學習的理論基礎(chǔ)，也可以參照一些典型的應用案例拓展自己的專業(yè)技能。同時，本書也適合計算機相關(guān)專業(yè)的學生以及對人工智能和機器學習感興趣的讀者閱讀。

第1部分 背景知識

第1章 機器學習概述 3

1.1 背景 3

1.2 發(fā)展現(xiàn)狀 6

1.2.1 數(shù)據(jù)現(xiàn)狀 6

1.2.2 機器學習算法現(xiàn)狀 8

1.3 機器學習基本概念 12

1.3.1 機器學習流程 12

1.3.2 數(shù)據(jù)源結(jié)構(gòu) 14

1.3.3 算法分類 16

1.3.4 過擬合問題 18

1.3.5 結(jié)果評估 20

1.4 本章小結(jié) 22

第2部分 算法流程

第2章 場景解析 25

2.1 數(shù)據(jù)探查 25

2.2 場景抽象 27

2.3 算法選擇 29

2.4 本章小結(jié) 31

第3章 數(shù)據(jù)預處理 32

3.1 采樣 32

3.1.1 隨機采樣 32

3.1.2 系統(tǒng)采樣 34

3.1.3 分層采樣 35

3.2 歸一化 36

3.3 去除噪聲 39

3.4 數(shù)據(jù)過濾 42

3.5 本章小結(jié) 43

第4章 特征工程 44

4.1 特征抽象 44

4.2 特征重要性評估 49

4.3 特征衍生 53

4.4 特征降維 57

4.4.1 特征降維的基本概念 57

4.4.2 主成分分析 59

4.5 本章小結(jié) 62

第5章 機器學習算法——常規(guī)算法 63

5.1 分類算法 63

5.1.1 K近鄰 63

5.1.2 樸素貝葉斯 68

5.1.3 邏輯回歸 74

5.1.4 支持向量機 81

5.1.5 隨機森林 87

5.2 聚類算法 94

5.2.1 K-means 97

5.2.2 DBSCAN 103

5.3 回歸算法 109

5.4 文本分析算法 112

5.4.1 分詞算法——Hmm 112

5.4.2 TF-IDF 118

5.4.3 LDA 122

5.5 推薦類算法 127

5.6 關(guān)系圖算法 133

5.6.1 標簽傳播 134

5.6.2 Dijkstra最短路徑 138

5.7 本章小結(jié) 145

第6章 機器學習算法——深度學習 146

6.1 深度學習概述 146

6.1.1 深度學習的發(fā)展 147

6.1.2 深度學習算法與傳統(tǒng)

算法的比較 148

6.2 深度學習的常見結(jié)構(gòu) 152

6.2.1 深度神經(jīng)網(wǎng)絡(luò) 152

6.2.2 卷積神經(jīng)網(wǎng)絡(luò) 153

6.2.3 循環(huán)神經(jīng)網(wǎng)絡(luò) 156

6.3 本章小結(jié) 157

第3部分 工具介紹

第7章 常見機器學習工具介紹 161

7.1 概述 161

7.2 單機版機器學習工具 163

7.2.1 SPSS 163

7.2.2 R語言 167

7.2.3 工具對比 172

7.3 開源分布式機器學習工具 172

7.3.1 Spark MLib 172

7.3.2 TensorFlow 179

7.4 企業(yè)級云機器學習工具 190

7.4.1 亞馬遜AWS ML 191

7.4.2 阿里云機器學習PAI 196

7.5 本章小結(jié) 205

第4部分 實戰(zhàn)應用

第8章 業(yè)務解決方案 209

8.1 心臟病預測 209

8.1.1 場景解析 209

8.1.2 實驗搭建 211

8.1.3 小結(jié) 216

8.2 商品推薦系統(tǒng) 216

8.2.1 場景解析 217

8.2.2 實驗搭建 218

8.2.3 小結(jié) 220

8.3 金融風控案例 220

8.3.1 場景解析 221

8.3.2 實驗搭建 222

8.3.3 小結(jié) 225

8.4 新聞文本分析 225

8.4.1 場景解析 225

8.4.2 實驗搭建 226

8.4.3 小結(jié) 230

8.5 農(nóng)業(yè)貸款發(fā)放預測 230

8.5.1 場景解析 230

8.5.2 實驗搭建 232

8.5.3 小結(jié) 236

8.6 霧霾天氣成因分析 236

8.6.1 場景解析 237

8.6.2 實驗搭建 238

8.6.3 小結(jié) 243

8.7 圖片識別 243

8.7.1 場景解析 243

8.7.2 實驗搭建 245

8.7.3 小結(jié) 253

8.8 本章小結(jié) 253

第5部分 知識圖譜

第9章 知識圖譜 257

9.1 未來數(shù)據(jù)采集 257

9.2 知識圖譜的概述 259

9.3 知識圖譜開源

工具 261

9.4 本章小結(jié) 264

參考文獻 265

編輯推薦

超聲波機器因其強大的功能在很多領(lǐng)域有其廣泛的應用：超聲波清洗機，超聲波醫(yī)學檢查（如B超機），超聲波塑料焊接機，超聲波熔接機，超聲波測距.，超聲波汽車焊接機，超聲波真空包裝機

現(xiàn)今，對人類來說，太臟太累、太危險、太精細、太粗重或太反復無聊的工作，常常由機器人代勞。從事制造業(yè)的工廠里的生產(chǎn)線就應用了很多工業(yè)機器人，其他應用領(lǐng)域還包括：射出成型業(yè)、建筑業(yè)、石油鉆探、礦石開采、太空探索、水下探索、毒害物質(zhì)清理、搜救、醫(yī)學、軍事領(lǐng)域等。

OTC機器人指由操作機（機械本體）、控制器、伺服驅(qū)動系統(tǒng)和傳感裝置構(gòu)成的一種仿人操作、自動控制、可重復編程、能在三維空間完成各種作業(yè)的光機電一體化生產(chǎn)設(shè)備，特別適合于多品種、變批量的彈性制造系統(tǒng)。

一個工業(yè)機器人可以僅包括一個感覺與動作之間的連結(jié)，而且這個連結(jié)不是由人手動操控的。機器人的動作也許是電動機或是驅(qū)動器（也稱效應器）移動一只手臂，張開或關(guān)閉一個夾子的動作。此種直接而詳盡的控制跟回饋也許是由在外部或是嵌入式的電子計算機或是微控制器上運行的程式提供。根據(jù)這個定義，所有的自動裝置都算機器人。

OTC機器人可直接接受人類指令，也可以執(zhí)行預先編排的程序，也可以根據(jù)以人工智能技術(shù)制定的原則綱領(lǐng)行動。

OTC機器人發(fā)展現(xiàn)狀方面， 2007年全球共新安裝工業(yè)機器人114,365 臺，較2006年新安裝的111,052 臺，上升了3%。截至2007 年底，全球工業(yè)機器人保有量已達到了995,000臺。2007年，亞洲及美洲工業(yè)機器人的裝配量明顯上升，汽車工業(yè)以及電子電器行業(yè)的發(fā)展是上述地區(qū)工業(yè)機器人裝配量強勁增長的主要因素。此外，化工領(lǐng)域用工業(yè)機器人的需求量也迅速上升。

OTC焊接機器人是工業(yè)機器人的最常見類型，常用于汽車制造機械流水線的規(guī)?；圃熘校囓嚿砗推渌捎煤附庸に嚨牟考暮附?。